1164 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 propõe um método de integral de fronteira baseado em grade cartesiana que utiliza variáveis e solucionadores de equações diferenciais parciais rápidos para resolver de forma eficiente e estável problemas de interface móvel, como o fluxo de Hele-Shaw e o problema de Stefan.
Este artigo demonstra que algoritmos de conjunto ativo para seleção de recursos orientada por dados, implementados no framework Atomic Cluster Expansion (ACE), geram modelos esparsos que superam os modelos densos em eficiência computacional, precisão de generalização e interpretabilidade, além de fornecerem trajetórias completas de modelos com diferentes relações custo-precisão.
Este artigo apresenta um procedimento de estabilização adaptativa por hiperviscosidade para o método RBF-FD, que determina automaticamente a constante de estabilização com base no raio espectral da matriz de evolução, permitindo a resolução eficiente e estável de equações de transporte dominadas por advecção em domínios sem fronteira com malhas gerais.
O artigo demonstra que a transição da camada limite laminar para turbulenta no regime K ocorre como uma sucessão de eventos de quebra de simetria temporal e espacial, impulsionados por estruturas coerentes hidrodinâmicas organizadas que evoluem de uma resposta harmônica periódica para dinâmicas aperiódicas e assimétricas.
Este trabalho apresenta o RedEigCD, uma técnica pioneira de passo de tempo autoadaptativo para modelos de ordem reduzida de escoamentos incompressíveis que, ao utilizar informações espectrais exatas para garantir estabilidade, permite aumentar o passo de tempo em até 40 vezes em comparação com modelos de ordem completa sem comprometer a precisão.
Este estudo apresenta uma análise computacional da aceleração sintética por difusão (DSA) para equações de transporte discretizadas por métodos de Galerkin descontínuos em polítopos, demonstrando que a variante de penalidade interior modificada (MIP) mantém robustez e convergência superior em regimes opticamente espessos e altamente espalhantes em comparação com a formulação simétrica clássica (SIP).
Este artigo apresenta um novo framework matemático de inversão não uniforme e iterativa que combina técnicas de faseamento por projeção com métodos rápidos de inversão de Fourier não uniforme para reconstruir com sucesso estruturas 3D de nanoestruturas a partir de dados de espalhamento coerente de superfície, superando desafios como efeitos de espalhamento dinâmico e amostragem não uniforme.
O artigo apresenta o conjunto de dados HEAT, uma coleção física rica de simulações bidimensionais geradas pelo Laboratório Nacional de Los Alamos que cobre a dinâmica de choque em materiais múltiplos e serve como um benchmark essencial para o treinamento e validação de modelos de inteligência artificial nessa área.
Este artigo apresenta uma formulação implícita do Método de Partículas de Material com Núcleo Compacto (CK-MPM) que, ao combinar as vantagens do suporte compacto com a suavidade necessária para simulações de grandes deformações, supera as limitações de ruído e dissipação do MPM linear e os problemas de contato do MPM com B-splines quadráticos em mecânica do sólido computacional.
Este trabalho propõe um operador neural diferenciável, treinado com estratégias de aprendizado ativo e restrições físicas para garantir convexidade, que mapeia eficientemente configurações microestruturais para envelopes de falha de materiais granulares, permitindo previsões diretas e identificação inversa sem a necessidade de simulações micromecânicas repetidas e custosas.