1223 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 apresenta a implementação no PySCF de um algoritmo de ajuste de densidade Gaussian-Plane-Wave multigrid acelerado por GPU, que alcança até 25 vezes mais velocidade que a versão em CPU e permite cálculos de energia e gradientes nucleares em clusters de água com 256 moléculas em aproximadamente 30 segundos.
Este estudo compara as decomposições modal por POD e DMD na análise do escoamento não estacionário de uma turbina axial, demonstrando que métodos DMD baseados em critérios de amplitude e esparsidade oferecem reconstrução precisa e capturam corretamente as frequências dinâmicas, ao contrário do POD, e revelam uma correlação entre configurações de relógio com maior eficiência adiabática e a magnitude dos modos dominantes.
Este estudo apresenta um modelo de reação-advecção-difusão que explica a formação de padrões não uniformes e múltiplos anéis em sensores colorimétricos de substrato poroso, demonstrando que tais variações espaciais resultam da dinâmica de transporte de massa e reação (e não apenas do efeito de anel de café), oferecendo insights para otimizar o design de sensores e protocolos de detecção.
Este estudo propõe um novo método adaptativo de volumes finitos-partículas (AFVPM) que combina o método de volumes finitos em malhas não estruturadas com a hidrodinâmica de partículas suavizadas (SPH) para simular com maior precisão e eficiência fluxos de superfície livre, utilizando uma estratégia dinâmica de conversão entre regiões eulerianas e lagrangianas.
Este estudo investiga a integração da geração de segunda harmônica (SHG) em redes neurais difrativas, demonstrando que a posição estratégica dessa camada não linear é crucial para otimizar a precisão de classificação e a eficiência energética, estabelecendo assim um caminho viável para a implementação de redes neurais totalmente ópticas.
Este trabalho apresenta um quadro inovador que combina variational Monte Carlo (VMC) de aprendizado profundo transferível com regressão por processos gaussianos para permitir a otimização geométrica *ab initio* precisa e eficiente de sistemas fortemente correlacionados, facilitando a exploração de superfícies de energia potencial complexas para estados fundamentais e excitados.
Este artigo propõe um framework de Operador Neural Informado por Física (PINO) que, ao representar propriedades dielétricas como tensores aprendíveis e empregar operadores neurais para prever distribuições de corrente induzida, resolve problemas de espalhamento inverso eletromagnético com maior precisão, robustez e eficiência em comparação aos métodos tradicionais, sendo aplicável a diversos cenários de medição, incluindo dados sem fase e multifrequência.
Este artigo demonstra como incorporar simetrias de rede e PT no grupo de renormalização de rede tensorial (TNRG) em duas dimensões, utilizando o modelo de gás de rede quadrada dura como estudo de caso para validar a eficácia do método na estimativa de parâmetros críticos e dimensões de escala de transições de fase contínuas.
Este artigo apresenta o desenvolvimento de um potencial interatômico aprendido por máquina baseado no framework NEP para ligas CrCoNi, que combina precisão de primeiros princípios e alta eficiência computacional para simular com sucesso propriedades mecânicas e estruturais em uma ampla gama de composições, incluindo desvios da equimolaridade e ordem de curto alcance.
Este estudo utiliza simulações de dinâmica molecular para investigar como o impacto de um nanoclúster de argônio em uma folha de grafeno livre induz ondas de deflexão transversal descritas pela teoria da elasticidade linear e um aumento de temperatura que, nas fases iniciais, segue o princípio da dissipação mínima.