🔬 Category

physics.comp-ph

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.

Simulations of internal kink modes and sawtooth crashes for SPARC baseline-like scenarios using the M3D-C1 code

Este estudo utiliza o código M3D-C1 para simular modos de kink interno e colapsos de *sawtooth* em cenários semelhantes ao baseline do SPARC, identificando a instabilidade dominante n=1n=1 e demonstrando como a interação entre perfis de corrente e pressão desencadeia reconexão magnética e transporte de calor, fornecendo uma base essencial para avaliar o desempenho de futuros reatores de fusão.

W. H. Wang, C. Clauser, C. Liu, N. Ferraro, R. A. Tinguely2026-04-03🔬 physics

Notes on Quantum Computing for Thermal Science

Este documento, concebido como um registro vivo, explora o potencial da computação quântica na Ciência Térmica, utilizando a condução de calor como caso de teste paradigmático para desenvolver novos algoritmos e avaliar o hardware quântico em busca de supremacia para aplicações de engenharia.

Pietro Asinari, Nada Alghamdi, Paolo De Angelis, Giulio Barletta, Giovanni Trezza, Marina Provenzano, Matteo Maria Piredda, Matteo Fasano, Eliodoro Chiavazzo2026-04-02⚛️ quant-ph

Predictor-Driven Diffusion for Spatiotemporal Generation

O artigo propõe o "Predictor-Driven Diffusion", um quadro unificado que combina o agrupamento espacial baseado no grupo de renormalização com uma formulação de integral de caminho temporal para superar os desafios da previsão em sistemas espaciotemporais multiescala, permitindo simulação, geração incondicional e super-resolução em um único modelo validado em sistemas turbulentos.

Yuki Yasuda, Tobias Bischoff2026-04-02🔬 physics

A machine learning framework for developing quasilinear saturation rules of turbulent transport from linear gyrokinetic data

Este artigo apresenta o desenvolvimento do modelo SAT3-NN, uma nova rede neural que mapeia dados de girocinética linear para magnitudes de potencial saturado não linear, demonstrando maior precisão na previsão de fluxos de energia e partículas e na reprodução da escala anti-gyroBohm em comparação com modelos anteriores.

Preeti Sar, Sebastian De Pascuale, Harry Dudding, Gary Staebler2026-04-02🔬 physics

Discovery of Symbolic Hamiltonian Expressions with Buckingham-Symplectic Networks

O artigo apresenta o BuSyNet, uma arquitetura de aprendizado profundo que descobre expressões simbólicas de Hamiltonianos dimensionalmente consistentes e interpretáveis, mapeando trajetórias para variáveis ação-ângulo latentes e superando métodos atuais em precisão e estabilidade de previsões de longo prazo para sistemas físicos como o oscilador harmônico e o problema de Kepler.

Joe Germany, Joseph Bakarji, Sara Najem2026-04-02🌀 nlin

Real-time virtual circuits for plasma shape control via neural network surrogates: dynamic validation in closed-loop simulations

Este artigo valida em simulações de malha fechada a eficácia e robustez de controladores de forma de plasma em tempo real para o tokamak MAST-U, que utilizam redes neurais para emular circuitos virtuais dinâmicos, superando as limitações de agendamentos pré-definidos e demonstrando viabilidade para implementação real.

K. Pentland, A. Ross, N. C. Amorisco, P. Cavestany, T. Nunn, A. Agnello, G. K. Holt, C. Vincent2026-04-02🔬 physics

Parameter-Efficient Fine-Tuning of Machine-Learning Interatomic Potentials for Phonon and Thermal Properties

O artigo apresenta o Equitrain, um framework de ajuste fino baseado em LoRA para potenciais interatômicos aprendidos por máquina, demonstrando que essa abordagem, mesmo com poucos dados adicionais, supera consistentemente modelos pré-treinados e treinados do zero na previsão precisa de propriedades fonônicas e térmicas em 53 sistemas materiais.

Jonas Grandel, Philipp Benner, Janine George2026-04-02🔬 cond-mat.mtrl-sci

Simulated Bifurcation Quantum Annealing

O artigo apresenta o Simulated Bifurcation Quantum Annealing (SBQA), um algoritmo de otimização inspirado em computação quântica que incorpora interações entre réplicas para simular o tunelamento quântico, superando o desempenho do método Simulated Bifurcation (SBM) em paisagens energéticas esparsas e acidentadas enquanto mantém eficiência e versatilidade.

Jakub Pawłowski, Paweł Tarasiuk, Jan Tuziemski, Łukasz Pawela, Bartłomiej Gardas2026-04-02⚛️ quant-ph