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 trabalho estende a abordagem de backflow de redes neurais para cálculos de estado sólido *ab-initio*, introduzindo uma estratégia de poda em duas etapas que permite simulações escaláveis e de precisão de última geração em materiais como cadeias de hidrogênio, grafeno e silício.
Este artigo apresenta uma demonstração reprodutível de um fluxo de trabalho científico assistido por IA, que utiliza problemas de referência canônicos em física e matemática para validar a capacidade da inteligência artificial atuar como um copiloto confiável na derivação, implementação, verificação e preparação de manuscritos, desde que cada etapa seja rigorosamente controlada por teoria de referência e verificação explícita.
O artigo demonstra que uma rede hipotética de 175 sensores de pressão no leito marinho, combinada com um framework de inferência bayesiana que separa pré-cálculos offline de assimilação online, permite previsões probabilísticas de tsunamis em tempo real na Zona de Subducção de Cascadia com alta precisão e em menos de um segundo, superando a limitação de observações offshore esparsas.
Este estudo propõe um novo framework de autoencoder convolucional e equações diferenciais neurais (CAE-NODE) para criar um modelo de ordem reduzida que comprime com sucesso dados de chamas contrafluxo transientes bidimensionais em um manifold latente contínuo, permitindo a previsão precisa da evolução temporal completa do processo de reação com erros relativos inferiores a 2%.
O artigo apresenta o ANNA, uma caixa de ferramentas computacional desenvolvida em MATLAB e Python que calcula o ruído newtoniano gerado por ondas sísmicas em meios heterogêneos para o observatório de ondas gravitacionais Einstein Telescope, utilizando elementos finitos e demonstrando alta precisão ao validar seus resultados com soluções analíticas.
Este artigo propõe um método pós-hoc leve que utiliza diferenças finitas para gerar mapas de erro pontuais e interpretáveis para Redes Neurais Informadas pela Física (PINNs) em equações diferenciais parciais lineares, permitindo validar a precisão das previsões sem necessidade da solução verdadeira.
Este artigo apresenta um novo operador neural híbrido, o WGNO, e compara-o com PINNs e solvers numéricos tradicionais, demonstrando que essas abordagens de inteligência artificial oferecem alta precisão e tempos de inferência significativamente reduzidos para a simulação da difração de ondas eletromagnéticas EUV em máscaras de litografia, acelerando assim o design e a otimização de máscaras de próxima geração.
O artigo apresenta o DRIFT-Net, uma nova arquitetura de operador neural que combina ramos espectrais e de imagem para capturar simultaneamente informações de baixa frequência globais e detalhes locais, superando as limitações de acoplamento global e acúmulo de erro de modelos baseados em atenção em tarefas de aprendizado de EDPs.
O artigo estabelece leis de escala empíricas para Redes Neurais Incentivadas pela Física de Camada Única, revelando que falhas de otimização, e não a capacidade de aproximação, limitam o desempenho em PDEs não lineares devido a um viés espectral que impede a aprendizagem de componentes de alta frequência.
Este estudo apresenta as primeiras simulações turbulentas abrangentes de tipo full-f drift-kinetic e delta-f gyrokinetic em um dispositivo de plasma linear (LAPD), utilizando uma abordagem de momentos giroscópicos para demonstrar que, nas condições físicas do dispositivo, os campos gyrocinéticos não afetam os campos drift-kinéticos, enquanto a turbulência é dominada por flutuações do tipo Kelvin-Helmholtz.