1164 artigos
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.
Este artigo apresenta uma metodologia de reponderação para estimar respostas de densidade lineares, não lineares e entre espécies em simulações de Monte Carlo de Integral de Caminho, permitindo a análise de sistemas quânticos de muitos corpos, como o gás de elétrons uniforme, sem a necessidade de simular explicitamente o sistema perturbado.
Este trabalho compara esquemas de correção de velocidade implícitos com formulações semi-implícitas e explícitas em simulações de escoamento incompressível de alto número de Reynolds, demonstrando que os métodos implícitos permitem aumentar o passo de tempo em até duas ordens de magnitude, reduzindo o tempo total de solução em até onze vezes sem comprometer significativamente a precisão da resolução da transição laminar-turbulenta.
Este trabalho apresenta um framework de aprendizado de máquina que refina com alta fidelidade as previsões de níveis de energia de isotopólogos moleculares, utilizando correções residuais em CO₂ e transferência de aprendizado para sistemas com poucos dados como CO, visando aprimorar a precisão das listas espectroscópicas necessárias para a detecção de exoplanetas.
Este artigo demonstra que o método de Estado de Produto Matricial (MPS) é uma ferramenta escalável para simular convecção de Rayleigh-Bénard bidimensional turbulenta até números de Rayleigh de , alcançando precisão estatística com uma redução significativa nos graus de liberdade, apesar da complexidade teórica crescente dos campos de fluxo.
O estudo demonstra que a modulação dinâmica da distância entre radicais em proteínas criptocromas pode superar as limitações impostas por fortes acoplamentos dipolares, potencializando a sensibilidade ao campo magnético terrestre através de transições do tipo Landau-Zener e sugerindo que receptores magnéticos "vivos" e oscilantes são mais eficientes do que seus equivalentes estáticos.
Os autores desenvolveram e validaram uma abordagem bayesiana rigorosa que permite determinar a densidade eletrônica de pequenas proteínas a partir de imagens de espalhamento de raios X extremamente ruidosas e esparsas, superando as limitações de contagem de fótons e orientações desconhecidas que anteriormente impediam tal análise em moléculas individuais.
Este artigo apresenta novos integradores de Euler exponencial de posto completo e baixo posto para a equação de Lindblad, que garantem incondicionalmente a preservação da positividade e do traço, oferecendo estimativas de erro precisas e demonstrando superioridade em relação aos métodos existentes através de experimentos numéricos.
Este trabalho demonstra rigorosamente que a representação exata de funções tensoriais antisimétricas exige um número de termos que cresce exponencialmente com a dimensão do problema, revelando que aproximações de baixo posto são fundamentalmente inadequadas para sistemas quânticos de muitos corpos que exigem antisimetria.
Os autores propõem uma técnica eficiente de codificação em bloco para implementar a Simulação de Hamiltonianos de Combinação Linear (LCHS) em computadores quânticos, permitindo a simulação de equações diferenciais dissipativas com alta probabilidade de sucesso e escalabilidade otimizada, superando métodos anteriores e sendo validada na resolução da equação de advecção-difusão.
Este artigo apresenta o método RASTA (ascenso estocástico do gradiente com recozimento de resolução), uma nova abordagem bayesiana que permite determinar a densidade eletrônica atômica de pequenas proteínas a partir de imagens de espalhamento de raios X de molécula única com baixo número de fótons, superando desafios como orientações aleatórias e baixa relação sinal-ruído.