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.
Este artigo propõe um modelo de difusão com inferência guiada por física para resolver equações diferenciais parciais, onde as leis físicas são aplicadas apenas durante a fase de inferência reversa, permitindo alta precisão e generalização sem necessidade de re-treinamento.
O artigo apresenta o PI-JEPA, um framework de pré-treinamento sem rótulos para simuladores de reservatório que utiliza predição latente mascarada e regularização de resíduos de EDPs em um esquema de divisão de operadores para reduzir drasticamente a necessidade de simulações rotuladas caras, alcançando maior precisão com menos dados do que métodos supervisionados tradicionais.
O artigo propõe uma nova paradigma para a química computacional, argumentando que os potenciais interatômicos de aprendizado de máquina fundacionais, que combinam precisão quântica com velocidade de campo de força, superaram as limitações de treinamento anterior e estão prestes a substituir a Teoria do Funcional da Densidade (DFT) como o método principal da área em menos de uma década.
Este artigo estende a implementação do modelo Shakhov-Bhatnagar-Gross-Krook (SBGK) no código de partículas PICLas para simular moléculas poliatômicas e misturas atômicas e moleculares fora do equilíbrio, demonstrando sua precisão superior na captura de choques em comparação com o método ESBGK e o DSMC em testes de escoamento supersônico e hipersônico.
O artigo apresenta o TUNA, um programa de química quântica de código aberto e intuitivo projetado especificamente para átomos e moléculas diatômicas, que utiliza diferenciação numérica para calcular diversas propriedades a partir da energia e serve como uma plataforma transparente para ensino, benchmarking e desenvolvimento de novos métodos em estrutura eletrônica.
Este artigo apresenta um quadro de trabalho agêntico autoevolutivo para o design inverso de metassuperfícies que, ao acoplar um agente de codificação com artefatos de habilidades em evolução e um avaliador determinístico baseado em simulação física, permite o refinamento iterativo de estratégias específicas de solucionadores sem alterar os pesos do modelo, resultando em um aumento significativo no sucesso de tarefas e na eficiência do fluxo de trabalho.
Este estudo combina simulações atômicas, Monte Carlo cinético e teoria de taxas para demonstrar que as trocas Cu-Al nos junções entre discordâncias e precipitados em ligas de alumínio endurecidas por precipitação são o mecanismo fundamental que explica a baixa sensibilidade à taxa de deformação observada experimentalmente.
Este artigo propõe um método de filtragem algébrica que utiliza geradores de simetria como operadores lineares para enumerar de forma sistemática e completa todos os termos permitidos por simetrias em equações de continuum, facilitando a descoberta de equações governantes por meio de métodos orientados por dados.
Este artigo apresenta uma simulação abrangente da evolução de aglomerados de buracos negros primordiais (PBHs) através da resolução da equação de coagulação de Smoluchowski, demonstrando como suas fusões sucessivas podem explicar a existência de buracos negros supermassivos de alto desvio para o vermelho observados pelo telescópio James Webb.
Este artigo apresenta um modelo de aprendizado profundo multimodal baseado em transformadores que supera as limitações dos métodos tradicionais ao prever respostas estruturais induzidas pelo vento sem assumir estacionariedade ambiental, servindo como um gêmeo digital eficaz para monitoramento de saúde estrutural e gestão resiliente de infraestruturas, como demonstrado em medições reais da Ponte de Hardanger.