🔬 Category

physics.comp-ph

1170 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.

Grading the Unspoken: Evaluating Tacit Reasoning in Quantum Field Theory and String Theory with LLMs

Este artigo avalia a capacidade de modelos de linguagem grandes (LLMs) de raciocinar tacitamente em física teórica avançada, como teoria quântica de campos e teoria das cordas, demonstrando que, embora apresentem alto desempenho em derivações explícitas, falham sistematicamente na reconstrução de passos de raciocínio omitidos e na reorganização de representações sob restrições de consistência global, revelando as limitações epistêmicas das atuais paradigmas de avaliação.

Xingyang Yu, Yinghuan Zhang, Yufei Zhang, Zijun Cui2026-04-17🔬 physics

SWEEP (Seismic Wave Equation Exploration Platform): A Unified Solver Framework for Differentiable Wave Physics

O SWEEP é uma plataforma unificada e extensível para resolução de equações de onda sísmica que integra diferenciação automática e uma arquitetura modular para facilitar a implementação de métodos de otimização baseados em gradiente, como a inversão de forma de onda completa (FWI) e a migração de tempo reverso de mínimos quadrados (LSRTM).

Shaowen Wang, Tariq Alkhalifah2026-04-17🔬 physics

LSTM-PINN for Steady-State Electrothermal Transport: Preserving Multi-Field Consis tency in Strongly Coupled Heat and Fluid Flow

Este artigo apresenta o LSTM-PINN, um novo framework de rede neural que utiliza mecanismos de memória recursiva para resolver os desafios numéricos de sistemas eletrotérmicos em estado estacionário, preservando a consistência entre múltiplos campos físicos acoplados e superando os métodos tradicionais em precisão e estabilidade.

Yuqing Zhou, Ze Tao, Hanxuan Wang, Fujun Liu2026-04-17🔬 physics

ML-based approach to classification and generation of structured light propagation in turbulent media

Este trabalho desenvolve uma abordagem baseada em aprendizado de máquina que utiliza redes neurais convolucionais para classificar feixes de luz estruturada em atmosferas turbulentas e um modelo generativo de difusão para ampliar os dados de treinamento, melhorando a qualidade da geração de modos de alta frequência por meio da minimização da distância de Bregman.

Aokun Wang, Anjali Nair, Zhongjian Wang, Guillaume Bal2026-04-17🔬 physics.optics

Auxiliary Finite-Difference Residual-Gradient Regularization for PINNs

Este artigo propõe e valida uma abordagem híbrida para Redes Neurais Informadas pela Física (PINNs) que utiliza um termo de regularização auxiliar baseado em diferenças finitas para penalizar gradientes do campo residual, demonstrando que essa estratégia melhora significativamente a precisão de grandezas físicas específicas, como o fluxo na parede e o comportamento das condições de contorno, em benchmarks de condução de calor tridimensionais.

Stavros Kassinos2026-04-17🤖 cs.LG

Material-Agnostic Zero-Shot Thermal Inference for Metal Additive Manufacturing via a Parametric PINN Framework

Este artigo apresenta um framework de Rede Neural Informada por Física (PINN) paramétrica que permite a inferência térmica em zero-shot para manufatura aditiva de metais, generalizando-se para materiais arbitrários sem necessidade de dados rotulados ou re-treinamento, ao mesmo tempo em que alcança maior precisão e eficiência de treinamento em comparação com abordagens não paramétricas.

Hyeonsu Lee, Jihoon Jeong2026-04-17🔬 physics.app-ph

El Agente Forjador: Task-Driven Agent Generation for Quantum Simulation

O artigo apresenta o "El Agente Forjador", um framework multiagente que utiliza modelos de linguagem para autonomamente criar, validar e reutilizar ferramentas computacionais, demonstrando que essa abordagem melhora a precisão e reduz custos na execução de tarefas complexas de simulação quântica em comparação com métodos tradicionais.

Zijian Zhang, Aiwei Yin, Amaan Baweja, Jiaru Bai, Ignacio Gustin, Varinia Bernales, Alán Aspuru-Guzik2026-04-17🤖 cs.AI

High-order kernel regularization of singular and hypersingular Helmholtz boundary integral operators

Este artigo apresenta e analisa uma nova metodologia de regularização de núcleo de alta ordem para os quatro operadores integrais de fronteira do cálculo de Calderón de Helmholtz em três dimensões, oferecendo pela primeira vez uma regularização de alta ordem para o operador hipersingular e garantindo altas taxas de convergência através de uma abordagem unificada que substitui núcleos singulares por modificações suaves, permitindo a integração numérica eficiente com quadraturas padrão.

Luiz M. Faria, Carlos Perez-Arancibia, Svetlana Tlupova2026-04-17🔬 physics