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 propõe uma solução de sensoriamento virtual baseada em aprendizado de máquina para estimar com alta precisão a degradação da camada de solda e mapear a temperatura completa em módulos IGBT, superando as limitações de medição direta em ambientes hostis.
Este estudo *ab initio* revela que a baixa mobilidade dos átomos de Ni em ligas Fe-Ni, em comparação com o Fe, deve-se a um acoplamento entre distorções da rede e polarização de spin local que impede a relaxação dos átomos de Ni nas vacâncias, explicando assim sua lenta difusão atômica.
Este artigo apresenta o FESTIM v2.0, uma versão major do framework de elementos finitos de código aberto para modelagem de transporte de hidrogênio, que introduz capacidades físicas avançadas para múltiplas espécies e reações químicas, além de uma migração para a plataforma DOLFINx para garantir melhor desempenho e sustentabilidade a longo prazo.
Este artigo apresenta um novo framework para o desenvolvimento de funcionais de densidade híbridos e duplo-híbridos que alcançam precisão química inédita na previsão de propriedades catalíticas em superfícies de metais de transição, superando falhas qualitativas de métodos padrão com eficiência computacional.
Este trabalho propõe um framework de Regressão Simbólica Orientada à Engenharia que utiliza Agentes de Grandes Modelos de Linguagem para sintetizar leis constitutivas de materiais complexos, garantindo consistência física e estabilidade numérica para simulações em elementos finitos, superando as limitações dos métodos tradicionais de ajuste e aprendizado de máquina.
Este artigo apresenta um framework totalmente open-source que permite o streaming em tempo quase real e o processamento em nuvem de dados de MRI de baixo campo, superando as limitações computacionais dos consoles embarcados ao decoplar a aquisição do hardware dos trabalhos intensivos de reconstrução e pós-processamento.
Este estudo demonstra, por meio de simulações de dinâmica molecular, que MXenes bidimensionais com perfurações atômicas projetadas exibem um comportamento auxético (razão de Poisson negativa) ajustável, impulsionado por um mecanismo de rotação de ligações acoplado a deflexões fora do plano, o que os torna candidatos versáteis para metamateriais mecânicos sintonizáveis.
Este estudo investiga as assinaturas observacionais de um buraco negro Anti-de Sitter com carga magnética na teoria de Euler-Heisenberg inspirada em cordas, analisando sombras, órbitas e frequências de oscilação quase-periódica (QPO) para concluir que, embora a carga magnética altere significativamente a estrutura orbital e a propagação da luz, os dados atuais de QPO impõem apenas restrições moderadas, permitindo valores de carga até aproximadamente 0,2 vezes a massa do buraco negro.
Este estudo teórico investiga as renormalizações de energia em monocamadas de WSe₂ dopadas, demonstrando que a forte renormalização de portadores residentes devido ao efeito de blindagem dinâmica não se soma diretamente à renormalização de excitons, explicando assim o fraco deslocamento energético observado experimentalmente nas ressonâncias excitônicas.
Este artigo propõe o Princípio de Incerteza Neural (NUP), um quadro teórico unificado que revela que a fragilidade adversarial em visão e as alucinações em modelos de linguagem compartilham uma origem geométrica comum, permitindo o desenvolvimento de métodos práticos como ConjMask e LogitReg para melhorar a robustez e detectar riscos de alucinação sem necessidade de treinamento adversarial ou geração de tokens.