131 artigos
Este artigo apresenta um pré-condicionador eficiente derivado do tensor métrico para acelerar a otimização baseada em gradiente de estados emparelhados entrelaçados projetados infinitos (iPEPS), superando desafios de custo computacional e paisagens de otimização mal condicionadas em sistemas quânticos de muitos corpos.
O artigo apresenta o "El Agente Cuántico", um sistema de IA multiagente que automatiza fluxos de trabalho de simulação quântica traduzindo intenções científicas em linguagem natural para computações executadas e validadas em diversos frameworks de software, unificando paradigmas distintos e reduzindo barreiras técnicas para a exploração de modelos físicos.
Este artigo demonstra que a barreira de emaranhamento encontrada ao aplicar a propagação de tempo imaginário em estados de produto matricial para resolver o problema 3-SAT é fundamentalmente originada pela complexidade computacional clássica do problema de contagem #3-SAT, limitando a eficiência tanto de simulações clássicas quanto de abordagens quânticas devido à necessidade de recursos superlineares.
Este artigo apresenta um framework de aprendizado de máquina baseado em semidefinição positiva que utiliza redes neurais convexas para aprender uma aproximação baseada em vértices do conjunto de matrizes de densidade reduzida de dois elétrons (2-RDM) N-representáveis, permitindo cálculos variacionais diretos com precisão aprimorada e custo computacional comparável ao de cálculos de duas-positividade, sem a necessidade de explicitamente construir condições de positividade de ordem superior.
Este artigo introduz modelos de deriva para geração de conformações moleculares, estabelecendo uma identidade teórica que incorpora forças físicas para corrigir o viés de amostragem e alcançar uma aceleração de milhões de vezes em relação aos métodos tradicionais de dinâmica molecular, mantendo precisão e validade estrutural.
O artigo propõe o JAWS, uma estratégia de regularização probabilística que ajusta adaptativamente a força da regularização com base na complexidade física local, permitindo que modelos de operadores neurais realizem rollouts de longo prazo estáveis e precisos em sistemas dinâmicos com descontinuidades, superando o dilema entre contração e dissipação e reduzindo os custos computacionais.
Este estudo desenvolve e valida uma abordagem combinada analítica e numérica para modelar a relação entre as condições operacionais de jatos supersônicos de spray térmico e suas assinaturas aeroacústicas, demonstrando que o monitoramento do ruído pode servir como uma ferramenta não intrusiva para controlar o transporte e a distribuição de partículas em voo.
Este artigo apresenta o Autoencoder de Koopman de Tempo Contínuo (CT-KAE) como um modelo substituto leve e estável para previsões oceânicas de longo prazo, demonstrando superioridade sobre baselines autoregressivos ao manter estatísticas de grande escala e crescimento de erro limitado em simulações de 2083 dias, enquanto oferece uma inferência ordens de magnitude mais rápida.
Este artigo apresenta a primeira aplicação de *spectral nudging* em um sistema de previsão de conjunto probabilístico, combinando modelos físicos e de aprendizado de máquina para demonstrar melhorias significativas na habilidade de previsão de larga escala, incluindo a extensão do tempo útil de previsão e a precisão na trajetória de ciclones tropicais.
O artigo demonstra que o pré-treinamento de tokenizadores com um objetivo de autoencoder, especialmente quando alinhado ao domínio físico específico, melhora significativamente a eficiência e a precisão dos modelos de base para física, reduzindo o erro de VRMSE em 64% em comparação com o treinamento a partir do zero.
Este artigo apresenta o TRec, um framework baseado em física que utiliza tomografia de espalhamento de múons com medição de momento para detectar com alta sensibilidade a ausência de combustível em microreatores selados, superando significativamente os métodos tradicionais como PoCA.
Este artigo apresenta novos métodos Multistep Runge-Kutta de quarta ordem que reutilizam dados de passos anteriores para reduzir o custo computacional e acelerar simulações de Relatividade Numérica, validando sua eficácia no EinsteinToolkit.
Este artigo apresenta o algoritmo SBCI (Simulated Bifurcation-based CI), um método clássico inspirado em bifurcação simulada que realiza cálculos de interação de configuração com alta precisão e menor custo computacional, oferecendo uma alternativa eficiente às abordagens quânticas para determinação de estruturas eletrônicas moleculares.
Este estudo investiga o uso de métodos de movimento de malha baseados em aprendizado de máquina (UM2N) em modelos de águas rasas não-hidrostáticos para simulações de tsunami, demonstrando que essa abordagem acelera significativamente as técnicas convencionais mantendo alta precisão e robustez na previsão de propagação, subida e inundação costeira.
Este artigo demonstra que a eliminação do acoplamento spin-órbita na representação adiabática gera acoplamentos não adiabáticos significativos que, se negligenciados, comprometem a precisão de cálculos espectroscópicos e dinâmicos, estabelecendo que tal aproximação de estado único é confiável apenas quando os estados interagentes estão bem separados na região de Franck-Condon.
Este estudo demonstra que as complexas fases de alta pressão do metano cristalino podem ser compreendidas como um empacotamento de aglomerados supermoleculares quase esféricos, onde a simetria não cúbica e a reorganização lenta resultam de um equilíbrio entre a eficiência de empacotamento e a entropia suprimida pela rotação molecular impedida.
Este artigo apresenta dois potenciais de aprendizado de máquina de longo alcance com cargas dependentes do ambiente que, ao incorporar interações eletrostáticas explícitas, reduzem erros de treinamento, preveem corretamente a divisão LO-TO e a constante dielétrica em sistemas como NaCl e PbTiO₃, e permitem a obtenção de espectros fonônicos precisos apenas a partir de dados de energia, forças e tensões.
Este estudo revela que o preenchimento de zeólitas KFI com cadeias de carbono não apenas induz um alargamento incomum da banda proibida sob alta pressão, desafiando a teoria convencional, mas também permite a síntese de longas cadeias cumulênicas que exibem supercondutividade a aproximadamente 62 K, superando os valores registrados em supercondutores à base de ferro.
Este artigo apresenta uma comparação abrangente de esquemas de integração explícitos para partículas relativísticas em simulações PIC, destacando que uma classe importante desses métodos pode ser generalizada para ordens de precisão arbitrárias e analisando o desempenho de suas variantes de quarta ordem em relação às de segunda ordem.
O estudo prevê que a dopagem com lacunas reduz o campo coercitivo do hafnia ferroelétrico de 8 MV/cm para 6 MV/cm, ativando um novo caminho de comutação através da fase Pbcm que transforma o material em um ferroelétrico adequado com menor barreira energética.