1175 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 estudo demonstra que nanodímeros plasmônicos toroidais de prata, projetados via simulações FDTD, atuam como uma plataforma sintonizável para aprimorar significativamente a emissão no infravermelho próximo de pontos quânticos de InP heteroestruturados, superando limitações de brilho através da geração de hotspots intensos e do aumento da taxa de decaimento radiativo.
Este artigo apresenta um método de Ordem Híbrida Alta (HHO) para a equação de Schrödinger com potencial vetorial magnético que, ao construir um operador gradiente covariante discreto em malhas poliedrais, garante a invariância de gauge assintótica, estabilidade e taxas de convergência ótimas, validadas por experimentos numéricos como o efeito Aharonov-Bohm.
Este artigo demonstra que as flutuações da circulação em turbulência homogênea e isotrópica podem ser descritas com precisão por uma abordagem superestatística baseada em q-exponenciais, revelando uma forte correlação entre o campo de dissipação e a distribuição espacial de vórtices e abrindo novas perspectivas para a aplicação da mecânica estatística não extensiva na compreensão da cascata turbulenta.
Este estudo apresenta um modelo semi-analítico baseado na teoria de vigas de Timoshenko sobre fundação elástica para analisar as frequências de transição e a amplificação dinâmica de linhas de vida enterradas, oferecendo uma abordagem computacionalmente eficiente e validada para a avaliação sísmica e de tráfego de infraestruturas subterrâneas.
Este artigo apresenta três variantes de uma rede neural totalmente conectada leve, treinada com dados sintéticos do Geant4, para estimar em tempo real campos de radiação espalhada tridimensionais em radiologia intervencionista, demonstrando alta precisão espacial e disponibilidade de código aberto para dosimetria de proteção radiológica.
O artigo apresenta o AeTHERON, uma rede de operadores gráficos heterogêneos baseada em aprendizado de máquina que utiliza um viés indutivo físico inspirado no método de fronteira imersa para modelar com alta fidelidade e eficiência computacional a interação fluido-estrutura em caudas flexíveis, demonstrando capacidade de generalização temporal em cenários de escoamento caótico.
Este trabalho propõe e valida um esquema de terceira ordem aprimorado para o modelo de Boltzmann de rede com pseudopotencial, que suprime eficazmente as oscilações espúrias de velocidade na interface de fases e garante resultados mais confiáveis em simulações de escoamentos multifásicos sem adicionar complexidade computacional.
Este artigo apresenta um modelo de dinâmica de partículas dissipativa (MDPD) baseado no campo de forças Martini para o surfactante dodecilsulfato de sódio (SDS), demonstrando sua capacidade de reproduzir com precisão a tensão superficial experimental e oferecer uma alternativa viável e transferível às simulações de dinâmica molecular tradicionais para sistemas com cargas explícitas.
Este artigo demonstra que a implementação de redes neurais ResNet no framework WatChMaL para o experimento Hyper-Kamiokande alcança precisão de reconstrução de eventos comparável aos métodos tradicionais de máxima verossimilhança, mas com um aumento de velocidade de processamento de até 52.000 vezes, tornando-se uma solução escalável para os vastos conjuntos de dados necessários.