1259 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 um algoritmo QSGS acelerado por GPU e baseado em uma formulação de passo temporal explícito indexado por lista (LIETS) que reduz drasticamente o tempo de geração de microestruturas sintéticas de alta resolução para rochas, alcançando 24 segundos em uma resolução de 400³ enquanto mantém a precisão física validada em benchmarks de arenito.
Este artigo apresenta o Fourier ViT, uma rede Transformer não supervisionada que supera os métodos iterativos clássicos na recuperação de fase de imagens de difração coerente em regimes de fase forte e multi-domínio, oferecendo maior robustez e precisão tanto em dados sintéticos quanto experimentais.
O artigo apresenta um framework analítico para avaliar integradores do tipo Verlet em equações de Langevin, demonstrando que o conjunto de integradores GJ é o único capaz de simular corretamente difusão, deriva e a distribuição de Boltzmann em sistemas lineares.
Este trabalho propõe o HMT-PF, um modelo híbrido baseado em arquiteturas Mamba-Transformer que utiliza um mecanismo de ajuste fino informado por física (*physics-informed fine-tuning*) para reduzir discrepâncias em equações físicas durante a geração de campos espaço-temporais em grades não estruturadas.
Este artigo utiliza o método de redução de fase para analisar a sincronização de osciladores acionados pelo operador de Dirac-Bianconi em redes de ordem superior, estendendo a dinâmica de sistemas acoplados para sinais topológicos definidos em nós, arestas e estruturas de dimensões superiores.
O artigo apresenta o *evortran*, uma biblioteca moderna em Fortran para algoritmos genéticos de alto desempenho, demonstrando sua eficácia em aplicações de física, como o ajuste de dados do LHC e a reconstrução de sinais de ondas gravitacionais do LISA.
Este artigo avalia o desempenho do framework EUCLID na descoberta automática de leis constitutivas hiperelásticas a partir de dados experimentais de borracha natural, comparando-o com métodos de identificação tradicionais em termos de precisão preditiva, generalização e cobertura do espaço de estados materiais.
O `diffpy.morph` é um pacote Python de código aberto que permite realizar comparações independentes de modelos entre conjuntos de funções 1D, utilizando transformações chamadas "morphs" para remover variações irrelevantes e revelar diferenças científicas significativas em espectros.
Este trabalho propõe um modelo de mistura condicional multimodal que integra conhecimentos físicos por meio de regularização em redes de densidade de mistura (MDNs), oferecendo uma abordagem interpretável e eficiente para modelar sistemas científicos complexos com comportamentos não lineares e múltiplos regimes.
Este trabalho analisa como a inconsistência entre os dados e as equações diferenciais limita a precisão das Redes Neurais Informadas pela Física (PINNs), introduzindo o conceito de "barreira de consistência" para demonstrar que o erro final do modelo é determinado pelo nível de fidelidade dos dados utilizados.