879 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 uma função de mistura aprimorada para um esquema compacto de upwinding modificado que combina efetivamente a precisão de alta ordem dos esquemas compactos com a capacidade de captura de choques do WENO, permitindo uma resolução de choque nítida enquanto preserva a alta resolução em regiões suaves para aplicações como interações choque-camada limite e choque-acústica.
Este artigo revisa e avalia um método híbrido comprimido BEM/FEM que transforma matrizes densas de elementos de contorno em matrizes de rigidez dinâmica bandadas para resolver eficientemente problemas de espalhamento de ondas elásticas em domínios semi-infinitos com requisitos de memória reduzidos para aplicações práticas de engenharia.
Este artigo apresenta uma nova formulação de elemento hexaédrico de multirresolução baseada em um novo arcabouço de subespaços de deslocamento mutuamente aninhados, o que permite níveis de resolução ajustáveis para modular a precisão da análise estrutural de forma mais eficiente e racional do que os métodos tradicionais de resolução única.
Este artigo introduz a Interação de Configuração de Vibração Dual (DVCI), um programa computacional eficiente em termos de memória que utiliza uma nova fatoração de Hamiltoniana baseada em dualidade e segunda quantização para calcular de forma rápida e precisa estados vibracionais infravermelhos específicos sem construir grandes blocos de matriz.
Este estudo propõe uma estrutura de modelagem macroscópica e otimização baseada na teoria de Darcy–Forchheimer para projetar trocadores de calor de treliça TPMS variável com larguras de canal não uniformes, a qual a validação experimental confirma alcançar uma melhoria de desempenho de 28,7% em relação às configurações de treliça uniforme.
Este artigo propõe uma metodologia que combina simuladores cinéticos diferenciáveis com otimização baseada em gradiente para inferir com precisão operadores de colisão de plasma diretamente de dados de espaço de fase, demonstrando desempenho e eficiência superiores em comparação com estimativas tradicionais baseadas em rastreamento de partículas.
Este artigo demonstra que a natureza rotacional da turbulência ensina inerentemente a equivalência a redes neurais por meio de aumento de dados implícito, e que impor explicitamente essa simetria como um viés indutivo arquitetural melhora significativamente a generalização através de diferentes condições de fluxo ao mesmo tempo em que reduz a complexidade do modelo.
Este estudo demonstra, por meio de simulações dinâmicas de Monte Carlo, que embora a introdução de heterogeneidade de mobilidade via diferentes taxas de atualização em um polímero de rede Gaussiana 2D de dois blocos altere a dinâmica de relaxação interna e o deslocamento quadrático médio resolvido por bloco, o coeficiente de difusão do centro de massa retém o escalonamento padrão de cadeia ideal de .
Este artigo introduz a Dinâmica Molecular com Kernel de Stein (SKMD), um novo método de amostragem aprimorada que preserva a distribuição de Boltzmann ao utilizar dinâmica de partículas interagentes e kernels sensíveis à simetria para adquirir de forma eficiente dados de treinamento diversos e não redundantes para o aprendizado ativo e o ajuste fino de potenciais interatômicos de aprendizado de máquina.
Este artigo apresenta um benchmark sistemático e livre de dados de onze arquiteturas de Redes Neurais Informadas pela Física para o sistema rígido de Poisson-Nernst-Planck, demonstrando que a estratégia de Taxa de Decaimento de Resíduo Balanceado (BRDR) oferece um equilíbrio ideal entre precisão e eficiência computacional em comparação com outros métodos, ao mesmo tempo em que fornece uma implementação de código aberto para pesquisas futuras.