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.

Electron beam evolution in a successive Compton backscattering

Este artigo demonstra teórica e numericamente que, no espalhamento Compton inverso sucessivo, a dispersão de momento longitudinal de um feixe de elétrons converge exponencialmente para um estado de equilíbrio através do equilíbrio entre excitação quântica e fricção de radiação, destacando a necessidade de considerar a dinâmica transversal cumulativa no projeto de futuras fontes de raios X e raios gama de alto brilho.

D. V. Gavrilenko, A. A. Savchenko, M. N. Strikhanov, A. A. Tishchenko2026-05-26🔬 physics

A Guided Tour of Modern Domain Decomposition: From Schwarz Iterations to Robust Preconditioners and HPC Implementations

Este capítulo oferece uma visão abrangente dos métodos modernos de decomposição de domínio, traçando sua evolução desde as iterações de Schwarz até pré-condicionadores robustos para problemas desafiadores, ao mesmo tempo em que enfatiza insights teóricos, correções de espaço grosso escaláveis e implementações de alto desempenho.

Victorita Dolean, Pierre Jolivet, Frédéric Nataf, Pierre-Henri Tournier2026-05-26🔬 physics

Learning, locomotion, and navigation of soft synthetic snakes in three-dimensional, heterogeneous environments

Este artigo apresenta um quadro de aprendizado por reforço bio-inspirado que permite a cobras sintéticas moles aprenderem primitivas de locomoção em terrenos simplificados e as comporem em estratégias adaptativas para navegar de forma robusta em ambientes 3D complexos e heterogêneos reconstruídos a partir de dados do mundo real.

Xiaotian Zhang, Ali Albazroun, Tixian Wang, Songyuan Cui, Prashant G. Mehta, Mattia Gazzola2026-05-26🔬 physics

Three-dimensional Anderson localization of light in dielectric disorder

Através de simulações em grande escala no domínio do tempo de empacotamentos aleatórios densos de partículas dielétricas de alto índice, este estudo fornece evidências dinâmicas, espectrais e no espaço real convergentes para a localização de Anderson tridimensional da luz, demonstrando como os campos de tempos tardios se auto-organizam em modos confinados quase estacionários separados por interferência.

Yevgen Grynko, Jens Förstner2026-05-26🔬 physics.optics

PDEInvBench: A Comprehensive Dataset and Design Space Exploration of Neural Networks for PDE Inverse Problems

Este artigo apresenta o PDEInvBench, um conjunto de dados abrangente para problemas inversos de EDP, e o utiliza para explorar espaços de design de redes neurais, revelando que um procedimento de treinamento em duas etapas, combinando supervisão de parâmetros com ajuste fino de resíduos no momento do teste, juntamente com entradas de derivadas de EDP e condições iniciais diversas, melhora significativamente o desempenho na estimação de parâmetros.

Divyam Goel, Nithin Chalapathi, Sanjeev Raja, Aditi S. Krishnapriyan2026-05-26🔬 physics

Why is the strength of an elastomeric polymer network so low?

Simulações de dinâmica molecular de granulação grosseira revelam que redes de polímeros elastoméricos rompem sob tensões muito inferiores à resistência das ligações covalentes porque a deformação se concentra em um "caminho mais curto mínimo" de ligações, levando à falha sequencial de uma pequena fração dessas ligações críticas em vez da ruptura simultânea de toda a rede.

Shaswat Mohanty, Jose Blanchet, Zhigang Suo, Wei Cai2026-05-25🔬 cond-mat.mtrl-sci

WellPINN: Accurate Well Representation for Transient Fluid Pressure Diffusion in Subsurface Reservoirs with Physics-Informed Neural Networks

Este artigo apresenta o WellPINN, um fluxo de trabalho inovador que utiliza redes neurais informadas por física treinadas sequencialmente em subdomínios encolhentes para modelar com precisão a difusão de pressão de fluidos ao redor de poços durante todo o período de injeção, superando limitações anteriores na captura da dinâmica de pressão em estágios iniciais.

Linus Walter, Qingkai Kong, Sara Hanson-Hedgecock, Víctor Vilarrasa2026-05-25🤖 cs.LG

Full-Scattering-Matrix Deterministic Phonon Boltzmann Transport Simulation

Este artigo apresenta um solucionador da equação de transporte de Boltzmann para fônons 3D computacionalmente eficiente que supera as limitações da aproximação do tempo de relaxação, aproveitando a natureza de baixa dimensão das distribuições fora do equilíbrio e o alinhamento seletivo de modos singulares de espalhamento para modelar com precisão os efeitos da matriz completa de espalhamento em dispositivos em escala nanométrica.

Y. Sungtaek Ju2026-05-25🔬 cond-mat.mes-hall

Vapor-Cell-Induced Uncertainty in Rydberg Atom Measurements via the Electric-Field Volume-Integral-Equation Method

Este artigo utiliza o método da equação integral de volume de campo elétrico para demonstrar que, para células de vapor menores que metade do comprimento de onda, a incerteza na permissividade relativa do vidro é a principal fonte de erro nas medições de campo elétrico de átomos de Rydberg, resultando em uma incerteza total de aproximadamente 3,5% que poderia ser reduzida para menos de 1% com dados de permissividade mais precisos.

Martin Stumpf, William J. Watterson, Rajavardhan Talashila, Matt T. Simons, Alexandra Artusio-Glimpse, Lawrence Carslake, Tian Hong Loh, Christopher L. Holloway2026-05-25🔬 physics.atom-ph