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 estudo utiliza simulações numéricas diretas para demonstrar que os efeitos termodifusivos em chamas turbulentas de hidrogênio-ar lean intensificam a radiação acústica de baixa frequência ao alterar a dinâmica da superfície da chama e promover instabilidades na camada de cisalhamento, diferindo significativamente do comportamento de chamas de metano estáveis.
O artigo apresenta um método numérico estável e rápido para resolver problemas de espalhamento acústico multibody, que combina a simplicidade da implementação do Método das Soluções Fundamentais (MFS) para cálculos locais com a construção de um sistema global bem-condicionado, permitindo a resolução eficiente mesmo para um grande número de espalhadores.
Este trabalho prevê a existência de nanotubos de fosfeto de carbono (NTs) como uma nova classe de materiais unidimensionais quimicamente realistas que coexistem com férmions de Dirac e bandas planas no nível de Fermi, exibindo transições de fase estruturais e quânticas, além de propriedades magnéticas ajustáveis por tensão, tornando-os promissores para aplicações em hardware quântico e spintrônica.
O artigo apresenta as Redes Neurais de Campo Efetivo (EFNNs), uma nova arquitetura baseada em funções contínuas inspiradas na renormalização que supera redes padrão e demonstra uma capacidade excepcional de generalização, permitindo prever com precisão o comportamento de sistemas de muitos corpos clássicos e quânticos em escalas muito maiores do que aquelas usadas no treinamento, capturando assim a física subjacente em vez de apenas ajustar dados.
Este estudo utiliza a Desvantagem de Informação para analisar representações profundas de texto e imagem, descobrindo que a informação semântica se concentra em camadas específicas e que modelos de grande escala treinados independentemente podem superar modelos multimodais conjuntos na previsibilidade cruzada, evidenciando uma convergência semântica robusta entre idiomas, modalidades e arquiteturas.
Este artigo de perspectiva propõe um quadro unificado para a ciência computacional quântica escalável, fundamentado em codificações de bloco e transformações polinomiais, destacando avanços recentes e aplicações promissoras que visam conectar o desenvolvimento algorítmico teórico a utilidades práticas em química, física e otimização.
Este artigo apresenta uma forma de correção de fluxo para o esquema baseado em arestas de terceira ordem das equações de Euler, permitindo o uso direto de uma função de fluxo numérica geral sem perda de precisão, desde que os estados à esquerda e à direita sejam calculados exatamente para uma função quadrática, o que é alcançado eficazmente pelo esquema U-MUSCL com κ = 1/2.
Este artigo apresenta um framework escalável para tarefas de classificação utilizando redes de osciladores caóticos acoplados, onde as interações são otimizadas por meio de uma rede neural artificial para induzir ressonância local, eliminando a necessidade de conhecimento especializado na definição manual dos termos de acoplamento e permitindo a aplicação de otimização baseada em gradiente.
Este artigo propõe um novo framework de análise estatística para simulações de dinâmica molecular que utiliza distâncias entre matrizes de covariância para reduzir a dimensionalidade dos dados, permitindo inferir propriedades físicas globais e distinguir fases da matéria de forma eficiente.
Este artigo apresenta um modelo de campo de fase conservativo Allen-Cahn acoplado à dinâmica de fluidos de Lattice Boltzmann que introduz um fluxo repulsivo local adaptativo para suprimir a coalescência espúria em simulações de filmes finos, garantindo dinâmicas de contato próximo fisicamente consistentes e eficiência computacional em implementações paralelas.