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 artigo apresenta o Autoencoder de Koopman de Tempo Contínuo (CT-KAE) como um modelo substituto leve e estável para previsões oceânicas de longo prazo, demonstrando superioridade sobre baselines autoregressivos ao manter estatísticas de grande escala e crescimento de erro limitado em simulações de 2083 dias, enquanto oferece uma inferência ordens de magnitude mais rápida.
Este artigo apresenta o TRec, um framework baseado em física que utiliza tomografia de espalhamento de múons com medição de momento para detectar com alta sensibilidade a ausência de combustível em microreatores selados, superando significativamente os métodos tradicionais como PoCA.
Este artigo demonstra que a eliminação do acoplamento spin-órbita na representação adiabática gera acoplamentos não adiabáticos significativos que, se negligenciados, comprometem a precisão de cálculos espectroscópicos e dinâmicos, estabelecendo que tal aproximação de estado único é confiável apenas quando os estados interagentes estão bem separados na região de Franck-Condon.
Este estudo demonstra que as complexas fases de alta pressão do metano cristalino podem ser compreendidas como um empacotamento de aglomerados supermoleculares quase esféricos, onde a simetria não cúbica e a reorganização lenta resultam de um equilíbrio entre a eficiência de empacotamento e a entropia suprimida pela rotação molecular impedida.
Este artigo apresenta uma comparação abrangente de esquemas de integração explícitos para partículas relativísticas em simulações PIC, destacando que uma classe importante desses métodos pode ser generalizada para ordens de precisão arbitrárias e analisando o desempenho de suas variantes de quarta ordem em relação às de segunda ordem.
Este trabalho apresenta o B-ODIL, uma extensão bayesiana do método de otimização de perda discreta (ODIL) para resolver problemas inversos baseados em equações diferenciais parciais, permitindo a inferência de soluções com incertezas quantificadas, como demonstrado em benchmarks sintéticos e na estimativa da concentração de tumores cerebrais a partir de ressonâncias magnéticas.
Este artigo apresenta um quadro dinâmico de contato que conserva energia para partículas rígidas convexas não esféricas, integrando interações de vértice e superfície para modelar com precisão o comportamento de empacotamento e difusão anisotrópica em sistemas coloidais e granulares.
Este artigo apresenta um método de otimização baseado em gradientes que utiliza a estimativa Gumbel-Softmax para permitir a inferência de parâmetros e o projeto inverso em modelos cinéticos estocásticos exatos, contornando a não diferenciabilidade dos eventos de reação discretos através de uma relaxação contínua aplicada apenas na retropropagação.
Este artigo propõe o TAPINN, uma arquitetura de Redes Neurais Informadas pela Física que utiliza Regularização Métrica Supervisionada e Otimização Alternada para mitigar o viés espectral e o colapso de modos em sistemas dinâmicos com transições de regime abruptas, alcançando uma convergência estável e maior precisão física com menos parâmetros do que os métodos existentes.
Este estudo empírico demonstra que, embora as Redes Kolmogorov-Arnold (KANs) sejam competitivas em resíduos polinomiais univariados, elas apresentam fragilidade hiperparamétrica e instabilidade em configurações profundas, falhando consistentemente na recuperação de termos multiplicativos em sistemas oscilatórios e sendo superadas por MLPs padrão.