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 framework de aprendizado de máquina para dinâmica molecular de baixa resolução que aprimora o ajuste tradicional de forças com o ajuste estocástico de produtos vetor-Hessiano para incorporar informações de curvatura de segunda ordem, melhorando significativamente a precisão e a transferibilidade de potenciais de baixa resolução para simulações biomoleculares.
Este artigo investiga como a escolha do integrador temporal, a adição de dissipação numérica e a representação do problema influenciam a eficiência e a estabilidade dos cálculos com trens de tensores quantizados (QTT) para problemas dominados por advecção, visando mitigar o acúmulo de erros e o crescimento de posto em simulações de longo prazo.
Este artigo demonstra que a substituição das aproximações por diferenças finitas pela diferenciação automática em modo direto para produtos Jacobiano-vetor em solutores Jacobiano-Livres Newton-Krylov aprimora significativamente tanto o desempenho computacional (em 2 a 3 ordens de grandeza) quanto a robustez global (aumentando as taxas de conclusão de 42% para 95%) em diversos problemas não lineares e arquiteturas de hardware.
Este estudo utiliza simulações de elementos finitos para demonstrar que, em fluidos não newtonianos de lei de potência, o comportamento de afinamento por cisalhamento aprimora a transferência de calor, enquanto condições de contorno térmicas uniformes promovem convecção mais forte e maior geração de entropia em comparação com o aquecimento não uniforme, oferecendo insights fundamentais para a otimização do projeto de sistemas térmicos.
Este artigo propõe uma estratégia de acoplamento macroscópico-microscópico, determinística-estocástica, que integra relações constitutivas de ordem superior e termos-fonte de reação química amostrados a partir de DSMC em uma equação sintética macroscópica para acelerar simulações, reduzir ruído e superar gargalos computacionais em fluxos de reação química próximos ao contínuo.
O artigo apresenta o Elastica++, um framework de código aberto e alto desempenho que utiliza o modelo de haste de Cosserat e paralelismo de memória compartilhada para habilitar simulações multiphysics em grande escala de estruturas esbeltas interagentes em diversas aplicações, desde robótica macia até matéria ativa.
Este artigo apresenta um método híbrido quântico-clássico para resolver a equação de advecção-difusão que escala de forma eficiente com a dimensão do sistema e demonstra resultados confiáveis no atual hardware quântico ruidoso da IBM, oferecendo uma via potencial para superar limitações computacionais e de energia na previsão numérica do tempo.
Este estudo aproveita a aprendizagem automática e a dinâmica molecular para identificar potenciais inibidores que visam mecanismos de resistência bacteriana Gram-negativa, especificamente bombas de efluxo RND e esterase de eritromicina, com o objetivo de superar as limitações dos antibióticos aprovados pela FDA existentes.
Este artigo apresenta o APRIL, um framework que amplia a função de perda supervisionada com termos auxiliares fisicamente redundantes para melhorar a convergência e a precisão na estimação de parâmetros em grandes conjuntos de dados de múltiplos sistemas, demonstrando um ganho de desempenho de até uma ordem de grandeza na estimação de parâmetros de ondas gravitacionais em comparação com abordagens padrão.
Este artigo apresenta um protocolo de compressão de baixo posto que preserva a estrutura para matrizes de densidade reduzida de dois elétrons, reduzindo a escalabilidade de memória de quártica para quadrática enquanto mantém a precisão química, permitindo assim a aplicação eficiente de fluxos de trabalho de continuação de autovetores a simulações de dinâmica molecular não adiabática em grande escala.