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.
O artigo propõe um método multinível baseado em *tensor-train* (TT) para resolver equações diferenciais parciais não lineares em uma formulação monolítica de espaço-tempo, utilizando uma estratégia de refinamento progressivo para garantir convergência robusta e maior eficiência computacional em regimes complexos onde métodos tradicionais falham.
O artigo apresenta a *dewi-kadita*, uma biblioteca Python de código aberto para simulação de cardumes de peixes baseada no modelo de Couzin, que utiliza métricas de entropia e aceleração via Numba para caracterizar de forma precisa e eficiente a organização e o desordem do movimento coletivo.
O artigo apresenta uma formulação analítica e validações via simulação (PIC) para a geração de radiação terahertz com polarização azimutal a partir de um pulso de laser com polarização radial propagando-se em um plasma magnetizado homogêneo.
Este artigo apresenta um modelo matemático de ossificação intramembranosa implementado via método de elementos finitos para simular a formação de tecido ósseo em locais de extração dentária, validando sua eficácia ao reproduzir com alta precisão dados de experimentos *in-vivo*.
Este artigo propõe o uso da regularização de Tikhonov para mitigar a instabilidade na reconstrução de funções de espalhamento parciais em experimentos de CV-SANS, permitindo uma estimativa mais estável de componentes com valores absolutos pequenos.
Este artigo propõe um novo algoritmo de volumes finitos totalmente acoplado e implícito para simular fluxos interfaciais viscoelásticos, capaz de prever com robustez e precisão fenômenos complexos em altos números de Weissenberg sem a necessidade de abordagens de log-conformação.
Esta tese propõe o uso de métodos de discretização baseados em aprendizado de máquina para acelerar e melhorar a precisão de solucionadores de equações diferenciais parciais (como as equações de águas rasas e de Euler), demonstrando que abordagens de redes neurais podem oferecer resultados satisfatórios em comparação com métodos numéricos tradicionais.
O artigo apresenta o ChemNavigator, um sistema de IA autônomo que, ao integrar raciocínio de modelos de linguagem com cálculos computacionais, descobriu independentemente seis regras de design estatisticamente significativas para fotocatalisadores orgânicos, demonstrando a capacidade de derivar princípios químicos interpretáveis e fundamentados sem programação explícita.
Este artigo propõe uma formulação variacional baseada na dualidade para resolver equações diferenciais parciais sem estrutura variacional primal, utilizando splines B e aproximantes de aprendizado de máquina para discretizar o funcional dual e obter soluções precisas para problemas de convecção-difusão e condução de calor.