🔬 Category

physics.comp-ph

1201 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.

Maximizing the magnetic anisotropy of Dy complexes by fine tuning organic ligands: A systematic multireference high-throughput exploration of over 30k molecules

Este estudo demonstra que a exploração computacional de alto rendimento de mais de 30.000 complexos de disprósio, combinando dados cristalográficos e a geração de novas moléculas, permite otimizar a anisotropia magnética através do ajuste fino dos ligantes orgânicos, alcançando um aumento de aproximadamente 100% em relação a compostos de referência.

Lion Frangoulis, Lorenzo A. Mariano. Vu Ha Anh Nguyen, Zahra Khatibi, Alessandro Lunghi2026-04-06🔬 cond-mat.mtrl-sci

Low-Scaling Many-Body Green's Function Calculations for Molecular Systems via Interacting-Bath Dynamical Embedding Theory

Este artigo apresenta uma extensão molecular da teoria de incorporação dinâmica de banho interativo (ibDET), um método de função de Green de baixo custo e escalável que calcula com precisão as energias de excitação carregada de sistemas moleculares complexos, como moléculas conjugadas e nanoclusters, com erros inferiores a 0,1 eV em potenciais de ionização e afinidades eletrônicas.

Christian Venturella, Jiachen Li, Tianyu Zhu2026-04-06🔬 physics

Real-Time Surrogate Modeling for Personalized Blood Flow Prediction and Hemodynamic Analysis

Este trabalho apresenta um framework sistemático que utiliza modelos de aprendizado de máquina para gerar coortes virtuais fisiológicas e prever instantaneamente parâmetros hemodinâmicos personalizados, como o débito cardíaco e a pressão arterial, otimizando a estimativa de parâmetros não mensuráveis e reduzindo custos computacionais na análise cardiovascular.

Sokratis J. Anagnostopoulos, George Rovas, Vasiliki Bikia, Theodore G. Papaioannou, Athanase D. Protogerou, Nikolaos Stergiopulos2026-04-06🔬 physics

Fast and Accurate Inverse Blood Flow Modeling from Minimal Cuff-Pressure Data via PINNs

Este trabalho apresenta um modelo não invasivo e específico para cada paciente que utiliza Redes Neurais Informadas por Física (PINNs) para estimar com rapidez e precisão parâmetros hemodinâmicos centrais, como o débito cardíaco e a pressão sistólica, a partir de dados mínimos de pressão arterial obtidos por manguito, superando em velocidade os métodos inversos tradicionais.

Sokratis J. Anagnostopoulos, Georgios Rovas, Lydia Aslanidou, Vasiliki Bikia, Nikolaos Stergiopulos2026-04-06🔬 physics

RiteWeight: Randomized Iterative Trajectory Reweighting for Steady-State Distributions Without Discretization Error

O artigo apresenta o algoritmo RiteWeight, um método iterativo que repondera segmentos de trajetória de dinâmica molecular com base em agrupamentos aleatórios para estimar distribuições estacionárias precisas sem erros de discretização do espaço de fases, corrigindo assim dados de simulação não convergidos tanto para estados de equilíbrio quanto fora dele.

Sagar Kania, Robert J. Webber, Gideon Simpson, David Aristoff, Daniel M. Zuckerman2026-04-03🔬 physics

Understanding multi-fidelity training of machine-learned force-fields

Este estudo investiga sistematicamente estratégias de treinamento multi-fidelidade para campos de força aprendidos por máquina, revelando que, embora o pré-treinamento e ajuste fino ofereçam desempenho superior dependente da qualidade dos dados e rótulos de força, o treinamento multi-cabeça proporciona representações universais que, apesar de ligeiramente inferiores em precisão, permitem uma substituição parcial de rótulos caros por alternativas mais baratas, viabilizando campos de força universais e economicamente eficientes.

John L. A. Gardner, Hannes Schulz, Jean Helie, Lixin Sun, Gregor N. C. Simm2026-04-03🔬 physics

Sculpting of Martian brain terrain reveals the drying of ancient Mars

Este estudo demonstra que a formação do terreno cerebral em Marte resulta de um processo multifásico, iniciando-se com a organização de padrões por ciclos de congelamento e degelo que indicam a presença de água líquida, seguida por uma escultura vertical por sublimação que evidencia a transição do clima marciano antigo para um estado hiper-árido e frio.

Shenyi Zhang, Lei Zhang, Yutian Ke, Jinhai Zhang2026-04-03🔭 astro-ph