903 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 novo algoritmo de aprendizado ativo baseado em física que aproveita os resíduos de equações diferenciais parciais para orientar a seleção de dados, melhorando significativamente a eficiência dos dados no treinamento de operadores neurais para resolver equações diferenciais parciais, ao mesmo tempo que injeta viés indutivo físico no processo.
Este estudo apresenta uma estrutura numérica abrangente baseada em renormalização de fônons autoconsistente e anarmonicidade de quarta ordem para calcular com precisão as propriedades térmicas e termodinâmicas de isolantes, superando as limitações dos métodos perturbativos tradicionais ao tratar os fônons como quasipartículas dependentes da temperatura.
Este artigo estabelece os primeiros limites de complexidade de oráculo não assintóticos para a estimação da constante de normalização baseada em importância com annealing, sem depender de pressupostos isoperimétricos, e propõe um novo amostrador de difusão reversa para superar as limitações da interpolação geométrica tradicional em contextos multimodais.
Este artigo apresenta um framework transparente e independente de codificação que utiliza contagens de recursos e benchmarks de hardware para demonstrar que alcançar utilidade quântica precoce para o Problema de Roteamento de Veículos com Capacidade (CVRP) é atualmente improvável em dispositivos NISQ, revelando uma vantagem massiva de qubits para codificações de ordem superior sobre mapeamentos QUBO diretos, ao mesmo tempo em que sugere que a decomposição inovadora de problemas é essencial para a vantagem quântica futura.
Este artigo apresenta um framework orientado por dados que modela a microestrutura como um processo estocástico para construir uma variedade de materiais de baixa dimensão e invertível, conectando com sucesso as condições de processamento aos resultados microestruturais e permitindo o projeto acelerado de materiais em malha fechada.
Este artigo apresenta um fechamento cinético para a equação filtrada de Boltzmann--BGK que modela efeitos subfiltrados turbulentos por meio de um operador de colisão generalizado, sem exigir separação de escalas ou um ansatz do tipo Smagorinsky, demonstrando estabilidade aprimorada e dissipação reduzida em testes numéricos em comparação com abordagens clássicas.
Este artigo apresenta o Operador Neural Walsh-Hadamard (WHNO), uma arquitetura inovadora que utiliza transformadas de Walsh-Hadamard para resolver eficazmente equações diferenciais parciais com coeficientes descontínuos, superando as limitações dos métodos baseados em Fourier, e demonstra que a combinação do WHNO com Operadores Neuraiss de Fourier em um ensemble produz uma acurácia significativamente superior na captura tanto de interfaces abruptas quanto de características suaves.
O artigo apresenta o SCULPT, uma plataforma interativa de aprendizado de máquina baseada na web que utiliza técnicas avançadas, como UMAP e pontuação adaptativa de confiança, para analisar dados de coincidência multi-partícula de alta dimensão provenientes de experimentos COLTRIMS, permitindo assim a descoberta eficiente de eventos raros e correlações na física atômica e molecular.
NORi é uma nova parametrização de aprendizado de máquina baseada em física que combina equações diferenciais ordinárias neurais com um fechamento dependente do número de Richardson para simular com precisão e estabilidade a turbulência e a dinâmica de arrastamento da camada limite oceânica em modelos climáticos, superando os métodos tradicionais enquanto exige dados de treinamento mínimos e garante estabilidade numérica de longo prazo.
Este artigo demonstra que a topologia da rede serve como um parâmetro de projeto reconfigurável para computação específica de tarefas, permitindo o controle programável de dinâmicas caóticas em circuitos neurais por meio do redesenho de conexões para otimizar o desempenho da computação de reservatório.