physics.comp-ph

A Self-Adjusting FEM-BEM Coupling Scheme for the Nonlinear Poisson-Boltzmann Equation

Este trabalho apresenta um esquema de acoplamento FEM-BEM autoajustável para a equação de Poisson-Boltzmann não linear que determina automaticamente um parâmetro de relaxamento ótimo, garantindo convergência rápida e confiável sem intervenção do usuário e alcançando uma aceleração de 1,37 vezes em comparação com fatores de relaxamento selecionados manualmente.

Combining multiple interface set path ensembles with MBAR reweighting

Este artigo apresenta um método baseado no MBAR para combinar ensembles de trajetórias de amostragem de interface de transição condicionados a diferentes variáveis coletivas, demonstrando que essa abordagem melhora significativamente as estatísticas em comparação com combinações diretas.

The Phase Transitions in a $p$ spin Glass Model: A Numerical Study

Este estudo numérico de um modelo de vidro de spin $p=4$ em uma dimensão com interações de longo alcance indica que, ao contrário do previsto pela teoria de campo médio, não há evidências de uma transição de fase de quebra de simetria de réplica em um passo (1RSB), sugerindo em vez disso uma transição direta para um estado de quebra completa de simetria ou, no caso tridimensional, a ausência total de transições de fase em vidros estruturais.

A shifted interface approach for internal discontinuities in poroelastic media

Este trabalho propõe e valida uma abordagem de interface deslocada para modelar descontinuidades internas em meios poroelásticos acoplados, demonstrando que o método permite simulações precisas em malhas não adaptadas sem a necessidade de mapeamento complexo do corpo ou funções de enriquecimento.

Fractal geometry-governed oxygen diffusion: Tumors vs. Normal Tissues

Este artigo propõe um modelo de difusão-reação generalizado em substratos fractais que, ao incorporar a dimensão fractal e parâmetros de transporte anômalo, explica como a heterogeneidade estrutural dos tecidos suprime o transporte de longo alcance e favorece a localização de espécies reativas, diferenciando a resposta biológica entre tumores e tecidos normais sob irradiação FLASH.

A Structure-Preserving Graph Neural Solver for Parametric Hyperbolic Conservation Laws

Este artigo apresenta um solver baseado em Redes Neurais de Grafos que preserva a estrutura física das leis de conservação hiperbólicas, combinando princípios numéricos clássicos com aprendizado profundo para oferecer soluções estáveis, precisas e com aceleração computacional significativa em comparação aos métodos tradicionais e a outros surrogados.

PINNACLE: An Open-Source Computational Framework for Classical and Quantum PINNs

Probabilistic Upscaling of Hydrodynamics in Geological Fractures Under Uncertainty

Este estudo apresenta um fluxo de trabalho probabilístico escalável que integra correção bayesiana e redes neurais profundas para superar as limitações dos modelos determinísticos, permitindo a previsão de incertezas na permeabilidade e transmissividade de fraturas geológicas naturais com base em geometrias de imagem.

Spectral design principles for local-excitation retention in impurity-assisted atomic arrays

Este artigo estabelece princípios de design espectral para otimizar a retenção de excitação local em arranjos atômicos assistidos por impurezas, demonstrando que a dinâmica de sobrevivência depende tanto das taxas de decaimento dos modos coletivos quanto de suas sobreposições com o estado inicial, o que permite a criação de configurações atômicas aperiódicas com vida útil estendida através de um processo de design inverso.

Enhancing Neural-Network Variational Monte Carlo through Basis Transformation

Este artigo apresenta uma transformação de base física motivada, baseada em uma parametrização Gaussiana com um parâmetro de localidade aprendível, que melhora a precisão e a eficiência do Método de Monte Carlo Variacional com Redes Neurais (NNVMC) ao tornar o estado fundamental mais fácil de representar, sem aumentar a complexidade da arquitetura da rede neural.