128 artigos
Este artigo apresenta as Equações Diferenciais com Atraso Neurais (NDDEs), um framework contínuo inspirado no formalismo de Mori-Zwanzig que utiliza um conjunto finito de atrasos temporais para aprender dinâmicas não-Markovianas de sistemas parcialmente observáveis de forma mais eficiente e precisa do que métodos existentes como LSTMs e ANODEs.
Este trabalho estende a Teoria dos Meios Porosos para modelar a injeção de cimento acrílico em vértebras sob condições não isotérmicas, introduzindo três balanços de energia e relações constitutivas que garantem consistência termodinâmica e comportamentos fisicamente razoáveis em simulações numéricas.
Este artigo apresenta uma extensão da teoria de deformação não afim, incorporando um kernel de memória dependente do tempo na Equação de Langevin Generalizada, que permite caracterizar com precisão a resposta viscoelástica do polimetilmetacrilato (PMMA) ao longo de mais de vinte décadas de frequência, unificando dados experimentais e computacionais de múltiplas escalas.
Este artigo apresenta um novo algoritmo de Monte Carlo para problemas de transporte de partículas dependentes do tempo, que utiliza janelas de peso automáticas derivadas de um problema auxiliar híbrido (Monte Carlo/determinístico) baseado em equações de segundo momento de baixa ordem para garantir uma distribuição uniforme de partículas e alta eficiência computacional.
O artigo apresenta o método SAP-X2C, um hamiltoniano relativístico de dois componentes que mantém a simplicidade computacional do modelo 1eX2C enquanto incorpora efeitos de mudança de imagem de dois elétrons, oferecendo maior precisão e um limite termodinâmico bem definido para sistemas estendidos.
O artigo apresenta um algoritmo de amostragem de trajetórias de transição baseado em "one-way shooting" que aceita todas as propostas, utilizando um esquema de reponderação para corrigir o viés e melhorar significativamente a eficiência no estudo de sistemas com dinâmica estocástica superamortecida, como a formação de hidratos de clatrato de CO₂.
Este artigo apresenta um modelo substituto multitarefa para equações de estado de estrelas de nêutrons que utiliza a previsão conformal Mondrian para fornecer incertezas certificadas e livres de distribuição, permitindo uma inferência eficiente e rigorosa de propriedades estelares com cobertura empírica precisa.
Este estudo desenvolve um framework de aprendizado de máquina para prever o fluxo em regime permanente em meios porosos, demonstrando que o Operador de Rede de Fourier (FNO) supera os modelos AE e U-Net ao oferecer previsões precisas e até 1000 vezes mais rápidas que a CFD tradicional, sendo ideal para otimização topológica de placas frias.
Este artigo demonstra que a combinação de avanços em aprendizado de máquina e teoria de estrutura eletrônica de alto nível (CCSD(T)) permite prever com precisão quantitativa a energia livre de emparelhamento iônico do CaCO₃ em água, superando as limitações da teoria do funcional da densidade padrão e quantificando integralmente os efeitos entálpicos e entrópicos para sistemas aquosos complexos.
Este artigo demonstra que as diferenças nas dinâmicas físicas subjacentes entre máquinas de Ising baseadas em osciladores e em travas bistáveis resultam em propriedades de estabilidade distintas, levando as máquinas de osciladores a produzir consistentemente soluções de maior qualidade para problemas de otimização combinatória.
Este artigo apresenta um modelo substituto de IA baseado em Operador Neural Informado por Física (PINO) que acelera a análise de retenção de dispositivos Fe-VNAND, alcançando um ganho de velocidade superior a 10.000 vezes em comparação com ferramentas TCAD convencionais, mantendo a precisão física ao prever desvios na tensão de limiar e mecanismos de perda de retenção.
Este trabalho demonstra a viabilidade de utilizar aprendizado de máquina para prever com alta fidelidade a matriz de densidade reduzida de dois elétrons (2-RDM), permitindo o cálculo de propriedades eletrônicas e energéticas de sistemas moleculares complexos e fases condensadas, como a solvatação de glicose, a um custo computacional comparável ao método de Hartree-Fock, mas com precisão de nível de acoplamento de clusters.
Este trabalho apresenta um solver acoplado eletromagnético-térmico-mecânico acelerado por GPU que permite simulações transientes de alta fidelidade em escala completa para o projeto inicial de pacotes avançados, superando as limitações das abordagens convencionais ao identificar mecanismos de falha dinâmicos invisíveis a métodos baseados em estado estacionário.
Este artigo apresenta um método pseudo-espectral semi-analítico combinado com um esquema de diferenciação exponencial no tempo para resolver as equações de Boussinesq tridimensionais em domínios cilíndricos ilimitados, permitindo a simulação eficiente e estável de fluxos rotativos e estratificados com forte cisalhamento azimutal ao eliminar restrições de estabilidade numérica impostas pela cinemática de fundo.
Este artigo propõe um novo quadro geométrico baseado em acoplamento negativo multiescala covariante em variedades de Riemannian dinâmicas para contrabalançar a dissipação em sistemas de dimensão infinita, demonstrando teoricamente e validando numericamente a estabilização de atratores de alta dimensão e a preservação da complexidade estrutural.
O artigo apresenta o método paces, uma abordagem paralela otimizada para GPUs que calcula a dinâmica quântica de estados puros sob a equação de Schrödinger dependente do tempo, construindo dinamicamente subespaços restritos que co-evoluem com o vetor de estado para sistemas com Hamiltonianos esparsos.
O artigo apresenta um método numérico geral e extensível para reconstrução de interfaces e acoplamento em simulações multiphysics, que combina reconstrução geométrica precisa e mapeamento conservador de fluxo para garantir transferência consistente de dados entre domínios computacionais com erros mínimos.
Este artigo apresenta o método Taguchi como uma ferramenta eficaz para otimizar a propagação não linear de pulsos em fibras ópticas, demonstrando sua capacidade de convergência rápida e aplicação bem-sucedida na resolução de problemas como o soliton de centro guia e a conservação da ordem de soliton em fibras com dispersão decrescente.
Este artigo apresenta o desenvolvimento e análise de arquiteturas de Mistura de Especialistas (MoE) e Mistura de Especialistas Lineares (MoLE) para Potenciais Interatômicos Baseados em Aprendizado de Máquina (MLIPs), demonstrando que o uso de ativação esparsa com especialistas compartilhados e roteamento elemento a elemento resulta em um modelo com precisão de última geração e especialização química interpretável.
Este artigo estabelece uma estrutura microscópica para a dinâmica fonônica não-Markoviana em escalas de tempo ultrafastas, demonstrando como efeitos de memória e a largura de banda do campo de condução influenciam a produção de calor e permitindo sua inferência experimental a partir da dinâmica de um único modo fonônico.