133 artigos
Este artigo estabelece um limite fundamental independente de tecnologia para a capacidade de informação da magnetoencefalografia, derivado da resolução energética quântica e do metabolismo cerebral, que restringe a taxa máxima de informação a 2,2 Mbit/s e revela uma troca intrínseca entre as larguras de banda temporal e espacial devido à supressão geométrica de componentes multipolares superiores.
Este artigo apresenta um método de otimização baseado em gradientes que utiliza a estimativa Gumbel-Softmax para permitir a inferência de parâmetros e o projeto inverso em modelos cinéticos estocásticos exatos, contornando a não diferenciabilidade dos eventos de reação discretos através de uma relaxação contínua aplicada apenas na retropropagação.
Este artigo propõe o TAPINN, uma arquitetura de Redes Neurais Informadas pela Física que utiliza Regularização Métrica Supervisionada e Otimização Alternada para mitigar o viés espectral e o colapso de modos em sistemas dinâmicos com transições de regime abruptas, alcançando uma convergência estável e maior precisão física com menos parâmetros do que os métodos existentes.
Este estudo empírico demonstra que, embora as Redes Kolmogorov-Arnold (KANs) sejam competitivas em resíduos polinomiais univariados, elas apresentam fragilidade hiperparamétrica e instabilidade em configurações profundas, falhando consistentemente na recuperação de termos multiplicativos em sistemas oscilatórios e sendo superadas por MLPs padrão.
Este estudo apresenta a primeira comparação sistemática de sete códigos hidrodinâmicos aplicados à instabilidade de streaming em modelos não estratificados, revelando que, embora todos reproduzam qualitativamente o comportamento da instabilidade, as diferenças quantitativas no estado saturado dependem principalmente do tratamento da poeira e da resolução, com modelos baseados em partículas alcançando densidades mais altas em resoluções moderadas, enquanto a execução em GPU demonstra maior eficiência energética e escalabilidade.
Este artigo compara os algoritmos de vizinhança "sort-and-sweep" e "tree-code" para simulações bidimensionais de métodos de elementos discretos, concluindo que, embora o tree-code ofereça desempenho ligeiramente superior e melhores oportunidades de paralelização em memória compartilhada, isso ocorre às custas de uma complexidade ciclomática significativamente maior.
Este estudo apresenta uma estrutura de projeto inverso baseada em algoritmos genéticos e simulações micromagnéticas no domínio da frequência para otimizar cristais magnônicos bidimensionais, descobrindo novas estruturas de rede com grandes bandas proibidas e validando sua eficácia através de simulações no domínio do tempo.
Este artigo apresenta o Ara, um agente baseado em modelos de linguagem que supera métodos tradicionais de busca e otimização bayesiana ao identificar rapidamente estruturas de redes orgânicas covalentes (COFs) fotocatálíticas duráveis e estáveis, superando o compromisso entre atividade e resistência à hidrólise através da aplicação de lógica química interpretável.
Este estudo estende a teoria de relaxação spin-rede para incluir processos de três fônons em um complexo de nitreto de cromo, demonstrando que, embora esses efeitos sejam insignificantes nas temperaturas experimentais atuais, sua relevância futura valida a suposição de acoplamento fraco e abre caminho para a exploração de regimes de acoplamento forte em materiais moleculares.
Este artigo apresenta um método de elementos de contorno no domínio do tempo baseado em Galerkin para simular o espalhamento acústico em superfícies de veículos, validando sua estabilidade e precisão através de casos analíticos e de uma aplicação prática com hélice, superando desafios computacionais por meio de uma quadratura eficiente.
Este estudo propõe o modelo sPI-GeM, uma arquitetura de aprendizado profundo escalável e baseada em física que combina redes de base e modelos generativos para resolver com precisão problemas de equações diferenciais estocásticas (SDEs) em espaços de alta dimensão tanto estocástica quanto espacial, abordando tanto cenários diretos quanto inversos.
Os autores propõem o algoritmo de rede neural tensorial de soma de Gaussianas (SOG-TNN), que utiliza decomposição de baixo posto e um esquema de divisão de alcance para resolver com eficiência e precisão a equação de Schrödinger de alta dimensão, superando a maldição da dimensionalidade e tratando eficazmente a interação de Coulomb.
Este trabalho propõe uma formulação Hybrid High-Order (HHO) para escoamentos incompressíveis com densidade variável que garante conservação exata de volume e advecção pura da densidade, utilizando espaços híbridos e métodos temporais ESDIRK para oferecer estabilidade, precisão e eficiência na simulação de misturas de fluidos imiscíveis, incluindo a instabilidade de Rayleigh-Taylor.
Com base em extensas simulações de Monte Carlo com temperamento paralelo, este estudo investiga a relação entre a percolação de clusters e as transições de ordem termodinâmica no modelo de Ising tridimensional com ligações aleatórias , revelando que, na presença de desordem, a transição de percolação ocorre acima do ponto de ordenação termodinâmica e é caracterizada pelo surgimento de dois clusters percolantes de densidade igual, cujas densidades só divergem nos pontos de transição ferromagnética ou de vidro de spin.
Este estudo quantifica, por meio de simulações atômicas e multiescala, como as discordâncias de malha e de rosca reduzem significativamente a energia superficial das interfaces PbTe-PbSe, sendo que os processos de crescimento heteroepitaxial podem diminuir essa energia em até 50% em comparação com interfaces coerentes.
Este artigo apresenta a criação e o lançamento público do conjunto de dados Open Polymers 2026 (OPoly26), que contém mais de 6,57 milhões de cálculos de teoria do funcional da densidade em estruturas poliméricas, visando superar as limitações computacionais anteriores e aprimorar modelos de aprendizado de máquina para prever propriedades de polímeros.
Os autores propõem um novo quadro generativo baseado em inteligência artificial que combina modelos de linguagem e uma busca heurística eficiente para prever estruturas cristalinas diretamente da composição química, superando os gargalos combinatórios e a dependência de bancos de dados existentes para explorar novos materiais com rigor simétrico.
O artigo apresenta o *peapods*, um pacote Python de código aberto e acelerado em Rust para simulações de Monte Carlo de sistemas de spins de Ising, que oferece uma ampla gama de algoritmos de atualização (incluindo métodos de cluster e temperamento paralelo) e validação precisa em redes Bravais periódicas.
Este trabalho demonstra que a inclusão de um mecanismo de retroalimentação sináptica no modelo de cérebro quântico Lipkin-Meshkov-Glick remodela significativamente a estrutura de fases, expandindo a fase paramagnética e deslocando as fronteiras críticas, o que é caracterizado tanto por distribuições de fase quântica quanto por uma dinâmica de campo médio que valida a capacidade do modelo de ajustar a criticidade coletiva.
O artigo apresenta o SMARL, um método de aprendizado por reforço online que desenvolve fechamentos de submalha estáveis e generalizáveis para simulações de turbulência geofísica, permitindo a previsão precisa de eventos extremos com até cinco ordens de grandeza menos graus de liberdade do que as simulações de alta fidelidade.