🔬 Category

physics.comp-ph

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.

When Attention Beats Fourier: Multi-Scale Transformers for PDE Solving on Irregular Domains

Este artigo apresenta o Transformer de Atenção Multi-Escala (MSAT), demonstrando por meio de uma análise empírica e teórica abrangente que arquiteturas baseadas em atenção superam operadores no domínio de Fourier na resolução de EDPs em domínios irregulares, ao mesmo tempo em que estabelece um compromisso crítico no qual a regularização informada por física melhora problemas dominados por difusão, mas degrada o desempenho em regimes caóticos.

Brandon Yee, Pairie Koh, Jack Rodriguez, Mihir Tekal2026-05-12🤖 cs.LG

A meshfree exterior calculus for generalizable and data-efficient learning of physics from point clouds

Este artigo apresenta a MEEC-Net, uma rede neural sem malha e eficiente em dados que aproveita um novo quadro de cálculo exterior para aprender física que preserva estrutura em nuvens de pontos, alcançando generalização superior fora da distribuição através de geometrias e parâmetros em comparação com as bases existentes de operadores neurais.

Benjamin D. Shaffer, Brooks Kinch, M. Ani Hsieh, Nathaniel Trask2026-05-12🔬 physics

CrystalREPA: Transferring Physical Priors from Universal MLIPs to Crystal Generative Models

CrystalREPA é uma estrutura plug-and-play que aprimora a estabilidade, validade e fidelidade de cristais gerados ao alinhar representações de modelos generativos com potenciais interatômicos de aprendizado de máquina universais congelados (MLIPs) por meio de um objetivo contrastivo, revelando que a eficácia de um MLIP para transferência depende mais de sua distinguibilidade de representação do que de seus padrões de referência de precisão padrão.

Chengqian Zhang, Yucheng Jin, Duo Zhang, Tiejun Li, Han Wang2026-05-12🔬 cond-mat.mtrl-sci

Nonlinear GENERIC Informed Neural Networks (N-GINNs): learning GENERIC dynamics with non-quadratic dissipation potentials

Este artigo apresenta as Redes Neurais Informadas por GENERIC Não Lineares (N-GINNs), um framework de aprendizado profundo que impõe consistência termodinâmica por meio de potenciais de dissipação convexos para descobrir com precisão equações de evolução para sistemas que exibem tanto dinâmica conservativa quanto dissipação não quadrática.

Vojtěch Votruba, Zequn He, Weilun Qiu, Celia Reina, Michal Pavelka2026-05-12🔬 physics

Semi-Supervised Neural Super-Resolution for Mesh-Based Simulations

O artigo apresenta o SuperMeshNet, uma rede neural semi-supervisionada que utiliza aprendizado complementar e vieses indutivos para reconstruir com eficiência soluções de simulação baseadas em malha de alta fidelidade a partir de dados de baixa resolução, exigindo 90% menos dados de treinamento de alta resolução do que os benchmarks totalmente supervisionados.

Jiyeon Kim, Youngjoon Hong, Won-Yong Shin2026-05-12🔬 physics.app-ph

Constitutive Priors for Inverse Design

Este artigo apresenta uma estrutura de ponta a ponta para o projeto inverso de redes elásticas que otimiza propriedades materiais que variam espacialmente no espaço de comportamentos constitutivos, aproveitando um prior latente termodinamicamente consistente, continuação baseada em homotopia e restrições de suavidade de redes neurais para resolver robustamente problemas de otimização com restrições de EDP sem exigir correspondência de malha.

Jinkyo Han, Bahador Bahmani2026-05-12🔬 physics

Accuracy assessment of scalar wave propagation methods for diffractive optics design: from thin elements to thick binary grating

Este artigo avalia sistematicamente a precisão das aproximações de elementos finos, propagação de feixe e propagação de onda em relação a uma referência rigorosa para grades difrativas binárias, gerando mapas de precisão para orientar a seleção de modelos diretos adequados em pipelines de projeto inverso com base na frequência espacial e na espessura da grade.

Nicolas Barré2026-05-12🔬 physics.optics

Fast Evaluation of the Azimuthal Fourier Modes of the 3D Helmholtz Green's Function and Their Derivatives

Este artigo apresenta um algoritmo O(M)O(M) que avalia de forma eficiente e precisa os modos de Fourier azimutais da função de Green de Helmholtz 3D e suas derivadas para qualquer número de onda real, combinando deformação de contorno com relações de recorrência estáveis, permitindo simulações de espalhamento acústico axisimétrico de alto desempenho.

Hanwen Zhang2026-05-12🔬 physics