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 estudo propõe uma estrutura de modelagem substituta de múltiplas fidelidades, utilizando co-krigagem recursiva, para prever com precisão e baixo custo computacional os coeficientes de carga de vento em navios porta-contêineres modernos em ambientes de porto.
Este artigo apresenta o PHIN-GAN, uma nova rede adversária generativa informada pela física que utiliza funções de densidade de probabilidade analíticas para simular interações de partículas com a matéria de forma rápida, escalável e com alta fidelidade, aproximando-se da precisão do padrão GEANT4 com um custo computacional significativamente menor.
Este estudo demonstra que, em tubos de choque viscosos com baixos números de Reynolds, ocorrem fenômenos de não-equilíbrio em regiões de interação entre ondas de choque e camadas limite, evidenciando a necessidade de métodos multiescala (como o UGKS) em vez de modelos baseados puramente nas equações de Navier-Stokes.
Este trabalho propõe duas variantes do método *structure factor twist averaging* (sfTA) — denominadas *paired sfTA* e *binding sfTA* — para melhorar a precisão do cálculo de energias de ligação em materiais bilayer, aproximando os resultados do método de média de torção (*twist-averaged*) com baixo custo computacional.
O artigo apresenta o , uma nova arquitetura de rede neural informada pela física que aprende o mapeamento entre parâmetros e espectros, demonstrando alta precisão ao resolver modos quase-normais de buracos negros de Kerr de forma contínua e eficiente.
O estudo investiga como a eficácia de modelos de aprendizado de máquina para prever a área interfacial em fluxos multifásicos depende do alinhamento entre o viés indutivo físico incorporado e o regime de escoamento predominante.
O artigo propõe o método de dinâmica molecular sincronizada (SMD), uma abordagem multiescala que acopla simulações moleculares locais a uma descrição macroscópica de lubrificação para simular fluxos de fluidos complexos em camadas finas de forma eficiente e fisicamente consistente.
Este artigo apresenta uma extensão do método de fronteira imersa de força direta (DF-IBM) que acopla as equações de Navier-Stokes às equações de Newton-Euler, utilizando um algoritmo de acoplamento implícito e uma técnica de relaxação para garantir estabilidade e eficiência em simulações de corpos rígidos com movimento induzido pelo fluido.
Este artigo propõe uma nova heurística de amostragem baseada em redes de tensores (MPS/TT) para o controle ótimo quântico discreto, visando otimizar sequências de controle de forma eficiente em paisagens de busca complexas e não convexas.
O artigo apresenta uma técnica para derivar expressões analíticas para estados estacionários de sistemas colisionais confinados, demonstrando que a generalização das regras de reinjeção nas fronteiras permite a criação de perfis de densidade e temperatura não térmicos e espacialmente complexos.