1258 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 propõe um framework de amostragem adaptativa por instância que constrói conjuntos de dados de treinamento compactos e informativos, condicionando a coleta de dados à instância de teste específica para melhorar a eficiência amostral e a precisão na resolução de problemas inversos complexos.
Este artigo apresenta um quadro de destilação que comprime um ensemble de modelos eSPA em modelos compactos e interpretáveis, preservando a habilidade de previsão de longo prazo do ENSO e permitindo a análise diagnóstica de seus precursores físicos e dinâmicas espaço-temporais.
O artigo apresenta o QHFlow2, um modelo de Hamiltoniano de aprendizado de máquina que, ao ser avaliado diretamente na previsão de energias e forças, supera os métodos anteriores alcançando precisão de forças comparável ao NequIP e reduzindo o erro de energia em até 20 vezes em relação ao MACE.
Este estudo combina análise de ordem de grandeza das equações de Navier-Stokes com regressão simbólica baseada em dados para desenvolver correlações físicas interpretáveis e precisas para o fator de atrito em escoamento turbulento em tubos rugosos, validadas experimentalmente até números de Reynolds da ordem de .
Este artigo demonstra que o uso de modelos de correspondência de fluxo em um espaço latente de baixa dimensão, combinado com técnicas de regularização para preservar a geometria e a fidelidade física, permite a criação de modelos de fechamento estocástico para fluxos de Kolmogorov que são até duas ordens de magnitude mais rápidos que os métodos baseados em difusão, mantendo a qualidade das amostras e a eficiência com poucos dados.
Este estudo compara sistematicamente os julgamentos humanos e as classificações de modelos de linguagem sobre 22 cenários moralmente ambíguos relacionados à violência, revelando como as IAs operacionalizam conceitos morais complexos e transformam interpretações humanas plurais em saídas singulares, o que tem implicações para o papel epistêmico da IA na mediação de normas sociais e responsabilidade.
O artigo apresenta um novo método numérico conservador e livre de ruído, baseado no método de Galerkin descontínuo, para resolver o sistema de equações Vlasov-Maxwell relativístico em ambientes de alta densidade de energia, permitindo a análise detalhada de fenômenos como produção de pares QED e reconexão magnética.
Este estudo demonstra, por meio de teoria do funcional da densidade dependente do tempo, que pulsos de laser linearmente polarizados podem induzir uma desmagnetização assimétrica em altermagnetos compensados, como o RuO, gerando um estado ferrimagnético fotoinduzido com forte magnetização líquida controlável via polarização, através de mecanismos de transferência de spin óptica e inversão de spin assimétricos originados da topologia de bandas nodais.
Este artigo apresenta o QuaDNN, um solucionador de rede neural profunda inspirado em um fator de qualidade que otimiza o conjunto de dados de treinamento, aprimora a arquitetura da rede e utiliza uma função de perda híbrida para resolver problemas de espalhamento inverso com maior precisão e menos artefatos.
Este artigo propõe uma nova abordagem baseada em redes neurais orientadas pela física (PDNN) para resolver problemas de espalhamento inverso eletromagnético, que supera as limitações de generalização dos métodos puramente baseados em dados ao utilizar apenas campos espalhados coletados e informações prévias para reconstruir com alta precisão e estabilidade objetos compostos e perdas.