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 artigo propõe e valida esquemas numéricos eficientes e incondicionalmente estáveis, baseados em métodos ADI modificados e na técnica de integral de fronteira sem núcleo (KFBI), para resolver equações de calor tridimensionais com fronteiras e interfaces irregulares, incluindo aplicações em problemas de Stefan e solidificação dendrítica.
Este artigo propõe um modelo de difusão-reação generalizado em substratos fractais que, ao incorporar a dimensão fractal e parâmetros de transporte anômalo, explica como a heterogeneidade estrutural dos tecidos suprime o transporte de longo alcance e favorece a localização de espécies reativas, diferenciando a resposta biológica entre tumores e tecidos normais sob irradiação FLASH.
Este artigo apresenta um solver baseado em Redes Neurais de Grafos que preserva a estrutura física das leis de conservação hiperbólicas, combinando princípios numéricos clássicos com aprendizado profundo para oferecer soluções estáveis, precisas e com aceleração computacional significativa em comparação aos métodos tradicionais e a outros surrogados.
O artigo apresenta o PINNACLE, um framework de código aberto que unifica redes neurais informadas por física clássica e quântica (PINNs) com estratégias avançadas de treinamento e aceleração multi-GPU, oferecendo um estudo abrangente de benchmark para avaliar seu desempenho, escalabilidade e compensações em relação aos solucionadores tradicionais.
Este estudo apresenta um fluxo de trabalho probabilístico escalável que integra correção bayesiana e redes neurais profundas para superar as limitações dos modelos determinísticos, permitindo a previsão de incertezas na permeabilidade e transmissividade de fraturas geológicas naturais com base em geometrias de imagem.
Este trabalho apresenta um framework de aprendizado de máquina que refina com alta fidelidade as previsões de níveis de energia de isotopólogos moleculares, utilizando correções residuais em CO₂ e transferência de aprendizado para sistemas com poucos dados como CO, visando aprimorar a precisão das listas espectroscópicas necessárias para a detecção de exoplanetas.
Este artigo demonstra que o método de Estado de Produto Matricial (MPS) é uma ferramenta escalável para simular convecção de Rayleigh-Bénard bidimensional turbulenta até números de Rayleigh de , alcançando precisão estatística com uma redução significativa nos graus de liberdade, apesar da complexidade teórica crescente dos campos de fluxo.
O estudo demonstra que a modulação dinâmica da distância entre radicais em proteínas criptocromas pode superar as limitações impostas por fortes acoplamentos dipolares, potencializando a sensibilidade ao campo magnético terrestre através de transições do tipo Landau-Zener e sugerindo que receptores magnéticos "vivos" e oscilantes são mais eficientes do que seus equivalentes estáticos.
Os autores desenvolveram e validaram uma abordagem bayesiana rigorosa que permite determinar a densidade eletrônica de pequenas proteínas a partir de imagens de espalhamento de raios X extremamente ruidosas e esparsas, superando as limitações de contagem de fótons e orientações desconhecidas que anteriormente impediam tal análise em moléculas individuais.
Este artigo apresenta novos integradores de Euler exponencial de posto completo e baixo posto para a equação de Lindblad, que garantem incondicionalmente a preservação da positividade e do traço, oferecendo estimativas de erro precisas e demonstrando superioridade em relação aos métodos existentes através de experimentos numéricos.