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.

A Comparative Study of the Streaming Instability: Unstratified Models with Marginally Coupled Grains

Este estudo apresenta a primeira comparação sistemática de sete códigos hidrodinâmicos aplicados à instabilidade de streaming em modelos não estratificados, revelando que, embora todos reproduzam qualitativamente o comportamento da instabilidade, as diferenças quantitativas no estado saturado dependem principalmente do tratamento da poeira e da resolução, com modelos baseados em partículas alcançando densidades mais altas em resoluções moderadas, enquanto a execução em GPU demonstra maior eficiência energética e escalabilidade.

Stanley A. Baronett, Wladimir Lyra, Hossam Aly, Olivia Brouillette, Daniel Carrera, Victoria I. De Cun, Linn E. J. Eriksson, Mario Flock, Pinghui Huang, Leonardo Krapp, Geoffroy Lesur, Rixin Li, Sheng (…)2026-03-06🔭 astro-ph

Inverse-design of two-dimensional magnonic crystals via topology optimization with frequency-domain micromagnetics

Este estudo apresenta uma estrutura de projeto inverso baseada em algoritmos genéticos e simulações micromagnéticas no domínio da frequência para otimizar cristais magnônicos bidimensionais, descobrindo novas estruturas de rede com grandes bandas proibidas e validando sua eficácia através de simulações no domínio do tempo.

Ryunosuke Nagaoka, Takahiro Yamazaki, Chiharu Mitsumata, Yuma Iwasaki, Masato Kotsugi2026-03-06🔬 cond-mat.mtrl-sci

Escaping the Hydrolysis Trap: An Agentic Workflow for Inverse Design of Durable Photocatalytic Covalent Organic Frameworks

Este artigo apresenta o Ara, um agente baseado em modelos de linguagem que supera métodos tradicionais de busca e otimização bayesiana ao identificar rapidamente estruturas de redes orgânicas covalentes (COFs) fotocatálíticas duráveis e estáveis, superando o compromisso entre atividade e resistência à hidrólise através da aplicação de lógica química interpretável.

Iman Peivaste, Nicolas D. Boscher, Ahmed Makradi, Salim Belouettar2026-03-06🔬 cond-mat.mtrl-sci

Extending spin-lattice relaxation theory to three-phonon processes

Este estudo estende a teoria de relaxação spin-rede para incluir processos de três fônons em um complexo de nitreto de cromo, demonstrando que, embora esses efeitos sejam insignificantes nas temperaturas experimentais atuais, sua relevância futura valida a suposição de acoplamento fraco e abre caminho para a exploração de regimes de acoplamento forte em materiais moleculares.

Nilanjana Chanda, Alessandro Lunghi2026-03-06⚛️ quant-ph

The Open Polymers 2026 (OPoly26) Dataset and Evaluations

Este artigo apresenta a criação e o lançamento público do conjunto de dados Open Polymers 2026 (OPoly26), que contém mais de 6,57 milhões de cálculos de teoria do funcional da densidade em estruturas poliméricas, visando superar as limitações computacionais anteriores e aprimorar modelos de aprendizado de máquina para prever propriedades de polímeros.

Daniel S. Levine, Nicholas Liesen, Lauren Chua, James Diffenderfer, Helgi Ingolfsson, Matthew P. Kroonblawd, Nitesh Kumar, Amitesh Maiti, Supun S. Mohottalalage, Muhammed Shuaibi, Brian Van Essen, Bra (…)2026-03-05🔬 physics

Overcoming the Combinatorial Bottleneck in Symmetry-Driven Crystal Structure Prediction

Os autores propõem um novo quadro generativo baseado em inteligência artificial que combina modelos de linguagem e uma busca heurística eficiente para prever estruturas cristalinas diretamente da composição química, superando os gargalos combinatórios e a dependência de bancos de dados existentes para explorar novos materiais com rigor simétrico.

Shi Yin, Jinming Mu, Xudong Zhu, Lixin He2026-03-05🔬 cond-mat.mtrl-sci

Adaptive Sensing of Continuous Physical Systems for Machine Learning

Este artigo propõe um quadro de computação geral para a extração adaptativa de informações de sistemas dinâmicos, onde um módulo de atenção treinável aprende onde sondar o estado do sistema e como combinar essas medições para otimizar o desempenho preditivo, demonstrando que o sensoriamento espacial adaptativo melhora significativamente a precisão em benchmarks caóticos e recontextualiza as redes neurais como dispositivos de medição treináveis.

Felix Köster, Atsushi Uchida2026-03-05🤖 cs.LG