physics.comp-ph 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.

Fast and Accurate Prediction of Lattice Thermal Conductivity via Machine Learning Surrogates

Este artigo avalia 15 modelos substitutos de aprendizado de máquina em uma grande base de dados Phonix para prever a condutividade térmica de rede, revelando que, embora modelos incorporados a potenciais interatômicos baseados em aprendizado de máquina se destaquem na interpolação, redes neurais profundas como a ALiEGNN oferecem robustez superior para extrapolação fora da distribuição, permitindo assim uma triagem de alto rendimento eficiente de materiais termoelétricos a uma fração do custo computacional das simulações de primeiros princípios.

Zeyu Wang, Shuya Yamazaki, Martin Hoffmann Petersen, Masato Ohnishi, Tomiya Yamamoto, Wei Nong, Jianghai Wang, Ruiming Zhu, Masatoshi Hanai, Michimasa Morita, Toyotaro Suzumura, Zekun Ren, Junichiro S (…)2026-05-13🔬 cond-mat.mtrl-sci

Identifying the relevant parameters in design strategies for stable glasses

Este estudo desafia a suposição de que a otimização de propriedades físicas específicas, como hiperuniformidade ou ordenamento local, causa maior estabilidade vítrea, demonstrando, em vez disso, que o processo dinâmico de alteração dos diâmetros das partículas é o verdadeiro fator causal por trás da formação de vidros ultrastáveis.

Leonardo Galliano, Ludovic Berthier2026-05-13🔬 cond-mat

Machine Learning for neutron source distributions

Este artigo propõe e avalia uma abordagem inovadora que utiliza modelos generativos probabilísticos para estimar distribuições de fontes de nêutrons a partir de listas de partículas de Monte Carlo, permitindo amostragem eficiente e independente de memória uma vez que os modelos são treinados.

Jose Ignacio Robledo, Norberto Schmidt, Klaus Lieutenant, Jingjing Li, Stefan Kesselheim, Paul Zakalek2026-05-13🔬 physics

Designing Coulombic Contact Interactions between Polarizable Particles through Asymmetry

Este artigo demonstra que, ao ajustar conjuntamente o tamanho, a carga e as assimetrias dielétricas de partículas polarizáveis, interações eletrostáticas complexas de contato podem ser projetadas para se reduzirem a um comportamento coulombiano simples, permitindo assim o projeto de materiais auto-montáveis com estruturas previsíveis.

Yanyu Duan, Zecheng Gan2026-05-13🔬 cond-mat

Bayesian Reasoning for Physics Informed Neural Networks

Este artigo apresenta uma formulação bayesiana orientada por evidências para Redes Neurais Informadas pela Física que utiliza uma aproximação de Laplace para calcular analiticamente a evidência do modelo, permitindo a otimização automática eficiente e sem amostragem dos pesos da função de perda e a quantificação de incerteza em diversas equações diferenciais parciais.

Krzysztof M. Graczyk, Kornel Witkowski2026-05-12🔬 physics

Acoustics-based Active Control of Unsteady Flow Dynamics using Reinforcement Learning Driven Synthetic Jets

Este artigo apresenta uma estrutura de aprendizado por reforço profundo que utiliza medições acústicas de campo distante como sinal de retroalimentação primário para acionar a atuação por jato sintético, suprimindo com sucesso a dinâmica de esteira não estacionária atrás de um cilindro circular e alcançando reduções significativas no ruído irradiado e no arrasto, sem depender de sensores tradicionais de velocidade ou pressão.

Siddharth Rout, Khai Phan, Chao-An Lin2026-05-12🔬 physics.app-ph

Diagnosing phase transitions through time-scale entanglement

Este artigo introduz o emaranhamento de escala temporal, uma nova forma de emaranhamento entre escalas de tempo imaginárias acessíveis por meio de diagnósticos de trens tensoriais quânticos (QTTD), como um indicador universal e imparcial que é genericamente amplificado próximo a transições de fase e torna-se invariante de escala em pontos críticos quânticos.

Stefan Rohshap, Hirone Ishida, Frederic Bippus, Leonard M. Verhoff, Anna Kauch, Karsten Held, Hiroshi Shinaoka, Markus Wallerberger2026-05-12🔬 cond-mat

A Quantum Linear Systems Pathway for Solving Differential Equations

Este artigo apresenta uma via quântica sistemática para resolver equações diferenciais combinando codificação em blocos com Transformação de Valor Singular Quântica (QSVT), demonstrando sua aplicação às equações do calor e de Burgers, ao mesmo tempo que fornece estimativas críticas de recursos de hardware e análises de escalabilidade que destacam as limitações atuais e as direções futuras para alcançar a vantagem quântica.

Abhishek Setty2026-05-12⚛️ quant-ph

Consistent Projection of Langevin Dynamics: Preserving Thermodynamics and Kinetics in Coarse-Grained Models

Este artigo apresenta um formalismo de agrupamento grosseiro baseado em projeção para dinâmica de Langevin subamortecida que integra a Decomposição de Modo Dinâmico Estendida do Gerador (gEDMD) e a interpolação termodinâmica para preservar com precisão tanto as propriedades termodinâmicas quanto as cinéticas de sistemas complexos multiescala em diferentes estados termodinâmicos.

Vahid Nateghi, Lara Neureither, Selma Moqvist, Carsten Hartmann, Simon Olsson, Feliks Nüske2026-05-12🔬 physics

Crystal Fractional Graph Neural Network for Energy Prediction of High-Entropy Alloys

Este artigo propõe uma Rede Neural de Grafos Fracionária Cristalina que combina a análise do ambiente atômico local por meio de mecanismos de atenção em grafos com dados composicionais globais para prever com precisão a energia de ligas de alta entropia, alcançando precisão ao nível de primeiros princípios em um conjunto de dados com mais de 1.000 estruturas, ao mesmo tempo em que reconhece as limitações atuais com células cristalinas grandes.

Takanori Kotama, Yang Huang2026-05-12🔬 physics

← Anterior Próximo →