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 trabalho apresenta o método de amostragem difusa ("blurred sampling"), uma abordagem pós-processamento eficiente e rigorosa que elimina as patologias estatísticas associadas a nós e incompatibilidades de suporte em cálculos de Monte Carlo Variacional (VMC), garantindo assim a estabilidade e a confiabilidade de otimizações e dinâmicas temporais em sistemas quânticos de muitos corpos.
Este trabalho apresenta um solver híbrido quântico-clássico baseado no algoritmo HHL e em tomografia de estado quântico aproximada para resolver as equações de Navier-Stokes incompressíveis, demonstrando com sucesso a captura da dinâmica de vórtices em simulações de fluxo de cavidade e de Taylor-Green, validadas contra métodos numéricos clássicos.
Este trabalho propõe e demonstra uma estratégia de otimização multi-saída para circuitos fotônicos que aumenta a probabilidade de sucesso na geração de estados quânticos não gaussianos, permitindo que um único circuito produza estados úteis através de múltiplos padrões de medição ou agregando resultados degenerados.
Este artigo propõe uma estratégia de adaptação de malha baseada em wavelets de alta ordem que utiliza extrapolação polinomial unidimensional para tratar consistentemente geometrias imersas complexas e em movimento, garantindo a precisão numérica e uma relação previsível entre o limiar de refinamento e o erro da solução em equações diferenciais parciais.
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 argumenta que, para alcançar uma vantagem prática na química computacional em escala de utilidade, os algoritmos quânticos devem evoluir além da simulação de poucas moléculas complexas e focar na integração de cálculos acelerados em pipelines de alto rendimento para moléculas rotineiras, superando assim os avanços contínuos dos métodos clássicos.
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.