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 demonstra como construir desigualdades quadráticas não convexas para equações físicas em problemas de design, permitindo a obtenção de limites para objetivos quadráticos ou razões de quadráticos, sob uma condição técnica verificável que garante a equivalência com as equações originais.
Este trabalho propõe e demonstra a viabilidade de um modelo estatístico baseado no ensemble canônico e no modelo de gota nuclear para calcular a distribuição do tamanho de aglomerados de ionização em nanodosimetria, sendo especialmente aplicável a primários de baixa energia em nanovolumes onde os modelos de trajetória não são adequados.
Este artigo apresenta uma simulação de turbulência 2D acelerada por GPU que utiliza algoritmos de redes de tensores inspirados em mecânica quântica (estados de produto matricial) para resolver as equações de Navier-Stokes, demonstrando uma aceleração de até 12,1 vezes e uma vantagem potencial sobre simulações numéricas diretas em regimes turbulentos de alto número de Reynolds.
Este estudo apresenta um método aprimorado de predição de estruturas cristalinas que integra um potencial universal de rede neural (PFP) a um algoritmo genético com mecanismos de preservação de diversidade, permitindo a exploração eficiente e precisa de diagramas de fase em sistemas multicomponentes com menor custo computacional.
Este artigo apresenta um método bayesiano inovador para estimar a densidade espectral de potência do ruído da LISA, combinando componentes paramétricos e não paramétricos baseados em splines penalizados para alcançar uma caracterização precisa e flexível do ruído, validada tanto em dados simulados quanto em séries temporais de um ano de dados da missão.
Este trabalho apresenta um algoritmo quântico de ponta a ponta e tolerante a falhas para otimização topológica em mecânica estrutural, que reformula o problema como uma busca combinatória resolvida pelo algoritmo de Grover com avaliação de conformidade via elementos finitos quânticos, demonstrando uma aceleração quadrática na busca global e validando a abordagem em simulações clássicas de circuitos quânticos.
O artigo apresenta o CaloClouds3, um modelo de simulação rápida baseado em nuvem de pontos que, ao utilizar condicionamento angular e dados de treinamento agnósticos à posição, consegue simular chuveiros de fótons em todo o barril de um detector de alta granularidade com uma velocidade de inferência duas ordens de magnitude superior à do Geant4.
Este estudo utiliza simulações de interação fluido-estrutura de alta resolução para demonstrar que, em tubos deformáveis, a mobilização de gotas de óleo sob acionamento hidrodinâmico segue uma tendência monotônica, enquanto a acionamento dinâmico das paredes exibe um efeito de ressonância que minimiza o tempo de transporte em frequências específicas, oferecendo novas possibilidades para o controle preciso em bio-microfluídica.
Este artigo relata o uso de nanoantenas plasmônicas toroidais para controlar programavelmente transições moleculares em emissores quânticos, alcançando uma comutação quase total de 99,9% e aprimoramento radiativo de 2840 vezes através de interferência de Fano, o que viabiliza aplicações em sensores biológicos e processamento fotônico quântico.
Este artigo apresenta pela primeira vez a aplicação de Redes Neurais Físicas Híbridas Quântico-Clássicas (QCPINN) com variáveis discretas para resolver quatro modelos típicos de escoamento em reservatórios, demonstrando que essa abordagem supera as PINNs clássicas em precisão e viabilidade para aplicações de engenharia de petróleo.