133 artigos
Este artigo propõe uma reformulação simplificada e mais intuitiva da função de custo de pontos quentes, incluindo a pré-interpolação de dados de trilhas, para otimizar o código optAPM e melhorar a precisão e confiabilidade das reconstruções de movimentos absolutos das placas tectônicas.
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.
Este artigo apresenta uma extensão de dois níveis para o framework de micromagnetismo mumax+ que permite simular o acoplamento coerente e dissipativo entre fótons de cavidade e magnons em ferromagnetos e antiferromagnetos, validando a implementação através de oito benchmarks que demonstram desde oscilações de Rabi até a transição de repulsão para atração de níveis.
O artigo propõe um método numérico simples baseado em amostragem por transformada inversa para carregar distribuições de Maxwellian relativístico, utilizando uma distribuição de energia de Maxwell deslocada aproximada por uma função invertível para gerar variáveis aleatórias de energia e momento que reproduzem com sucesso a distribuição desejada.
Os autores apresentam um método numérico baseado no domínio do tempo e no método de Galerkin descontínuo para calcular com precisão as forças de Casimir em diversas geometrias e materiais, incluindo temperaturas finitas, validando a abordagem em casos conhecidos e demonstrando sua aplicabilidade em estruturas complexas onde soluções analíticas não existem.
Este artigo apresenta um modelo substituto baseado em Operadores de Redes Neurais de Fourier (FNO) que prevê com alta precisão e em tempo real o transporte de prótons e a produção de nêutrons na terapia de prótons, superando as limitações computacionais dos métodos de Monte Carlo e permitindo a verificação adaptativa de alcance e estimativa de dose.
O artigo apresenta um novo método de gradiente modificado que elimina completamente o erro de divergência magnética na magnetohidrodinâmica sem malha, alcançando precisão de arredondamento e superando técnicas existentes em testes de choque, vórtices e instabilidade magneto-rotacional.
Este artigo analisa a discrepância entre as dinâmicas contínuas e as implementações discretas de máquinas de Ising baseadas em realimentação de medição, propondo e validando experimentalmente um método para reduzir a sensibilidade à seleção de hiperparâmetros nessas arquiteturas.
Este artigo apresenta o desenvolvimento de um banco de dados diversificado e dois potenciais interatômicos aprendidos por máquina (tabGAP e NEP) computacionalmente eficientes para simular com precisão ligas refratárias multiphase contendo elementos dos grupos quatro a seis da tabela periódica, permitindo a modelagem de transições de fase, segregação de contornos de grão e danos por radiação.
Este artigo apresenta o desenvolvimento de um potencial interatômico aprendido por máquina para MXenes TiC, validado por simulações de irradiação iônica que fornecem insights sobre a criação de defeitos e estabelecem um modelo replicável para estudos atômicos em outros materiais MXene.
Utilizando métodos de aprendizado de máquina, este estudo revela que as paredes de domínio carregadas no monocamada de bismuto são energeticamente favoráveis e hospedam estados interfaciais topológicos com cruzamento acidental de bandas no nível de Fermi, sugerindo seu potencial para o desenvolvimento de dispositivos eletrônicos baseados em paredes de domínio.
Este trabalho apresenta o framework GET-SEI, que integra aprendizado contrastivo em grafos, decomposição dinâmica estendida e teoria de caminhos de transição para mapear automaticamente os ambientes atômicos locais e quantificar as vias e barreiras cinéticas de transporte de lítio em diversas interfaces de eletrólitos sólidos, oferecendo uma ferramenta interpretável para a engenharia otimizada de baterias de estado sólido.
O artigo apresenta o ChemNavigator, um sistema de IA autônomo que, ao integrar raciocínio de modelos de linguagem com cálculos computacionais, descobriu independentemente seis regras de design estatisticamente significativas para fotocatalisadores orgânicos, demonstrando a capacidade de derivar princípios químicos interpretáveis e fundamentados sem programação explícita.