1190 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 modelo de operador neural aninhado aprimorado por Fourier (Nested Fourier-MIONet) que substitui a integração numérica direta da equação de transferência radiativa em simulações de incêndio CFD, alcançando alta precisão e eficiência computacional ao lidar com malhas tridimensionais refinadas e taxas de liberação de calor variáveis.
Este trabalho propõe o alótropo de boro - como um semimetal topológico sem spin ideal que, graças à sua simetria cristalina, exibe simultaneamente uma superfície nodal bidimensional robusta e diversos tipos de férmions de Weyl tridimensionais, oferecendo uma plataforma única para estudar a interação entre estados topológicos de diferentes dimensionalidades.
Este estudo utiliza estados quânticos neurais e Monte Carlo variacional para identificar e caracterizar duas famílias distintas de soluções físicas na gravidade quântica em laços abelianizada euclidiana 4D no limite de acoplamento fraco de Smolin, revelando que o operador de Hamiltoniana e seu adjunto selecionam estados com propriedades geométricas e de normalização fundamentalmente diferentes, aproximando-se respectivamente dos vácuos de Ashtekar-Lewandowski e Dittrich-Geiller.
Este trabalho propõe um método não invasivo chamado "homogeneização inversa distribucional" que utiliza grandes conjuntos de propriedades mecânicas macroscópicas para inferir estatísticas globais da microestrutura de materiais, superando as dificuldades tradicionais de inversão ao combinar teoria de homogeneização com aprendizado de máquina em contextos unidimensionais e bidimensionais.
Este artigo apresenta uma análise teórica e numérica da escalabilidade fraca de métodos de Schwarz de um nível para as equações de Maxwell em guias de onda, demonstrando que a combinação de análise espectral de matrizes de Toeplitz e decomposição modal permite prever o comportamento do método e alcançar robustez em relação ao número de onda sob condições específicas de decomposição de domínio.
Este estudo apresenta um modelo substituto baseado no Operador de Rede Neural de Fourier (FNO) que, ao integrar-se ao método de campo de fase, permite a modelagem rápida e precisa da evolução de crescimento de grãos com invariância de resolução, superando as limitações computacionais e de generalização das abordagens tradicionais.
Este trabalho investiga a estabilização de plasmas no sistema Vlasov-Poisson através de otimização com restrições de EDP, demonstrando que a eliminação de modos instáveis fornece boas estimativas iniciais e que funções objetivo que incorporam informações integradas no tempo geram paisagens de otimização mais convexas, facilitando o uso de métodos baseados em gradiente.
Este artigo investiga as propriedades de aproximação, convergência e estabilidade do método ADER-DG para sistemas de equações diferenciais ordinárias, demonstrando sua estabilidade A, AN, L, B, BN e algébrica, além de validar teoricamente e empiricamente sua aplicação e implementação.
Este artigo apresenta um framework de simulação sem corpo que, ao resolver as equações de Navier-Stokes em um domínio simplificado com condições de entrada baseadas em perfis de velocidade medidos, reconstitui com sucesso a dinâmica tridimensional complexa de esteiras turbulentas de cilindros para vários números de Reynolds, demonstrando que a instabilidade do perfil de velocidade na esteira próxima é o fator dominante que governa o escoamento, independentemente da presença explícita do corpo.
Este artigo apresenta o código de transporte neutro Monte Carlo de código aberto "Eiron", que implementa um algoritmo de decomposição de domínio (DDMC) para superar as limitações de memória do solver EIRENE, demonstrando melhor desempenho de escalabilidade forte e fraca em supercomputadores e viabilizando simulações de fusão nuclear anteriormente impossíveis devido a restrições de memória.