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 apresenta um quadro de aprendizagem variacional que permite a redes neurais pequenas adquirir intuição física, generalizando com precisão a partir de poucas observações em sistemas clássicos e quânticos, fundamentado numa teoria unificada que explica esse fenómeno através da aproximação de uma variedade de soluções onde o operador de Euler-Lagrange é estacionário.
O artigo apresenta o Método de Energia Profunda Estendido (XDEM), um quadro unificado de aprendizado profundo que supera as limitações dos métodos existentes ao integrar modelos de fratura discretos e contínuos, permitindo previsões precisas e eficientes de mecânica da fratura com pontos de colocalização esparsos e uniformes.
Este artigo de perspectiva propõe um quadro unificado para a ciência computacional quântica escalável, fundamentado em codificações de bloco e transformações polinomiais, destacando avanços recentes e aplicações promissoras que visam conectar o desenvolvimento algorítmico teórico a utilidades práticas em química, física e otimização.
Este artigo apresenta a implementação de forças atômicas analíticas para funcionais de energia de correlação baseados no teorema flutuação-dissipação da conexão adiabática (RPA e RPAx) no contexto de ondas planas e pseudopotenciais, demonstrando que essas forças são numericamente precisas e que a autoconsistência tem impacto negligente na geometria, enquanto o método RPAx alcança uma acurácia comparável a métodos avançados de função de onda para propriedades vibracionais.
Este artigo apresenta uma forma de correção de fluxo para o esquema baseado em arestas de terceira ordem das equações de Euler, permitindo o uso direto de uma função de fluxo numérica geral sem perda de precisão, desde que os estados à esquerda e à direita sejam calculados exatamente para uma função quadrática, o que é alcançado eficazmente pelo esquema U-MUSCL com κ = 1/2.
Este artigo apresenta um framework escalável para tarefas de classificação utilizando redes de osciladores caóticos acoplados, onde as interações são otimizadas por meio de uma rede neural artificial para induzir ressonância local, eliminando a necessidade de conhecimento especializado na definição manual dos termos de acoplamento e permitindo a aplicação de otimização baseada em gradiente.
Este artigo apresenta um algoritmo de Monte Carlo sem rejeição e eficiente para o Modelo de Ising em Campo Aleatório bidimensional, que combina o método BKL com contadores probabilísticos hierárquicos para alcançar uma amostragem dinâmica fiel e acelerações superiores a duas ordens de grandeza em relação ao algoritmo Metropolis, especialmente em regimes de baixa temperatura e desordem.
O artigo demonstra que a incorporação de memória temporal em Máquinas de Aprendizado Quântico Extremo melhora significativamente a precisão na caracterização de dinâmicas não-Markovianas, revelando que os efeitos de memória ambiental atuam como um recurso construtivo para o aprendizado.
Este artigo apresenta o desenvolvimento do algoritmo GLHS (Global-Local Hybrid Surrogate), que integra modelos de substituição globais e locais com uma estratégia de amostragem adaptativa para estimar com precisão e eficiência computacional a probabilidade de falhas raras em sistemas complexos de alta dimensão.
Este estudo demonstra que grafos de visibilidade construídos a partir de séries temporais de modelos de spins, analisados através do número de árvores geradoras e de propriedades espectrais, conseguem capturar com sensibilidade transições de fase contínuas e efeitos de cruzamento, como os observados nos modelos Blume-Emery-Griffiths e Blume-Capel, oferecendo uma metodologia aplicável a sistemas complexos empíricos onde o Hamiltoniano é desconhecido.