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 uma correção puramente espacial que redesenha os operadores de derivada adjacentes à fronteira para eliminar a redução de ordem na integração de Runge-Kutta explícita de problemas hiperbólicos com condições de contorno dependentes do tempo, permitindo a recuperação da ordem de convergência nominal através de estênceis de fechamento otimizados.
Este artigo apresenta métodos de transporte híbrido multiescala (MLHT) que combinam Monte Carlo multiescala com abordagens determinísticas, como quasidifusão e momentos de segunda ordem, para resolver a equação de transporte de Boltzmann, demonstrando convergência fraca e eficiência computacional em problemas de transporte de partículas neutras.
Este artigo apresenta a edição especial sobre Regressão Simbólica nas Ciências Físicas, destacando suas fundamentações, aplicações na descoberta de equações e modelagem, desafios metodológicos e direções futuras para o avanço da descoberta científica.
Este trabalho apresenta uma generalização do método de reparametrização probabilística para otimização bayesiana, permitindo a otimização baseada em gradientes em espaços de busca mistos e não equidistantes, o que oferece um quadro prático e robusto para resolver problemas complexos em laboratórios autônomos das ciências naturais.
Este estudo introduz modelos de hipergrafos temporais acionados por nós, nos quais a alternância estocástica entre estados de baixa e alta atividade gera processos de eventos com distribuições de tempo inter-evento de cauda longa e autocorrelações lentas, capturando assim as interações grupais bursty observadas em dados empíricos.
O artigo defende que o projeto em nanofotônica deve combinar ferramentas de simulação e design de "caixa preta" com o entendimento físico fundamental para lidar com a complexidade gerada pelo espaço, tempo e dimensões adicionais.
Este artigo propõe que os campos de força híbridos diferenciáveis, ao combinar formas funcionais motivadas pela física com correções de redes neurais de curto alcance, resolvem o dilema entre velocidade, precisão e calibrabilidade, permitindo a descoberta autônoma e em ciclo fechado de eletrólitos através de gêmeos digitais "prontos para ChemRobot".
O artigo propõe a TACNN, uma rede neural convolucional rasa e fisicamente guiada que substitui os kernels convencionais por tensores genéricos para capturar correlações de alta ordem, alcançando desempenho competitivo com modelos profundos como VGG-16 e GoogLeNet em apenas duas camadas.
Este artigo apresenta um framework de análise topológica de dados (TDA) sensível à direção que, ao incorporar explicitamente o eixo de compressão nos descritores topológicos, supera as limitações dos métodos clássicos e melhora significativamente a precisão na previsão do módulo de Young em materiais porosos anisotrópicos, alcançando desempenho comparável a redes neurais convolucionais com representações mais compactas.
O artigo apresenta o SMC-AI, um novo framework algorítmico que utiliza aceleradores de IA para realizar a maior simulação de Monte Carlo já relatada, alcançando a simulação de 4 trilhões de átomos com alta eficiência e escalabilidade.