A interseção entre física e computação, conhecida como física computacional, transforma equações complexas em simulações digitais que revelam os segredos do universo. Ao utilizar poderosos algoritmos, os pesquisadores exploram desde o comportamento de partículas subatômicas até a dinâmica de galáxias, preenchendo lacunas onde a teoria pura ou a experimentação direta encontram limites.

No Gist.Science, monitoramos diariamente os novos pré-prints dessa área publicados no arXiv. Para cada documento, oferecemos duas perspectivas essenciais: um resumo técnico detalhado para especialistas e uma explicação em linguagem acessível para quem busca compreender os conceitos sem barreiras matemáticas.

Abaixo, você encontrará os trabalhos mais recentes adicionados a esta categoria, prontos para serem explorados em diferentes níveis de profundidade.

Multi-stream physics hybrid networks for solving Navier-Stokes equations

Este artigo propõe uma Rede Híbrida de Física Multistream que integra camadas quânticas e clássicas em paralelo para decompor e resolver as equações de Navier-Stokes (problema de Kovasznay), demonstrando superioridade em precisão e eficiência em comparação com redes puramente clássicas.

Aleksandr Sedykh, Tatjana Protasevich, Mikhail Surmach, Arsenii Senokosov, Matvei Anoshin, Asel Sagingalieva, Alexey Melnikov2026-02-24⚛️ quant-ph

A posteriori closure of turbulence models: are symmetries preserved?

Este artigo analisa um novo modelo de fechamento de turbulência baseado em aprendizado de máquina e equações físicas, demonstrando que, embora o método reproduza com sucesso momentos estatísticos de alta ordem, ele falha em preservar a invariância de escala próxima ao corte, revelando uma limitação fundamental para a modelagem de turbulência tridimensional.

André Freitas, Kiwon Um, Mathieu Desbrun, Michele Buzzicotti, Luca Biferale2026-02-24🌀 nlin

FlexPINN: Modeling Fluid Dynamics and Mass Transfer in 3D Micromixer Geometries Using a Flexible Physics-Informed Neural Network

Este estudo apresenta o FlexPINN, uma rede neural baseada em física flexível e aprimorada, capaz de modelar com alta precisão o fluxo de fluidos e a transferência de massa em micromisturadores 3D complexos, superando as limitações das PINNs tradicionais ao prever com eficácia coeficientes de queda de pressão e índices de mistura em diversas configurações geométricas e números de Reynolds.

Meraj Hassanzadeh, Ehsan Ghaderi, Mohamad Ali Bijarchi2026-02-24🔬 physics

Full ab initio atomistic approach for morphology prediction of hetero-integrated crystals: A confrontation with experiments

Este artigo propõe uma abordagem atomística *ab initio* abrangente, baseada em cálculos de primeiros princípios, para prever com sucesso a morfologia de equilíbrio de cristais de GaP heterogeneamente integrados em silício, demonstrando forte concordância com observações experimentais e oferecendo uma ferramenta para a otimização de materiais e dispositivos multifuncionais.

Sreejith Pallikkara Chandrasekharan, Sofia Apergi, Chen Wei, Federico Panciera, Laurent Travers, Gilles Patriarche, Jean-Christophe Harmand, Laurent Pedesseau, Charles Cornet2026-02-24🔬 physics.app-ph

HPC-Driven Modeling with ML-Based Surrogates for Magnon-Photon Dynamics in Hybrid Quantum Systems

Este artigo apresenta um framework de simulação massivamente paralelo baseado em GPU, combinado com um substituto de aprendizado de máquina orientado por física, para modelar com alta fidelidade a dinâmica acoplada magnon-fóton em sistemas quânticos híbridos, permitindo a prototipagem rápida de dispositivos quânticos e spintrônicos.

Jialin Song, Yingheng Tang, Pu Ren, Shintaro Takayoshi, Saurabh Sawant, Yujie Zhu, Jia-Mian Hu, Andy Nonaka, Michael W. Mahoney, Benjamin Erichson, Zhi Yao2026-02-24⚛️ quant-ph

Beyond Exascale: Dataflow Domain Translation on a Cerebras Cluster

Este artigo apresenta o algoritmo inovador de Tradução de Domínio, que, ao ser executado em um cluster de 64 sistemas Cerebras CS-3, supera as limitações dos métodos tradicionais de decomposição de domínio para alcançar desempenho sem precedentes, incluindo 1,6 milhão de passos de tempo por segundo e 88% da eficiência de pico, ao simular a equação de águas rasas para modelar um tsunami global.

Tomas Oppelstrup, Nicholas Giamblanco, Delyan Z. Kalchev, Ilya Sharapov, Mark Taylor, Dirk Van Essendelft, Sivasankaran Rajamanickam, Michael James2026-02-24🔬 physics