1164 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 método de software chamado "snapshot-referencing" (SSR) que corrige retrospectivamente a deriva espacial em imagens de microscopia eletrônica, utilizando varreduras rápidas de referência e funções de base matemática para restaurar a integridade espacial de dados espectrais sem a necessidade de hardware especializado.
Este estudo apresenta uma análise multiescala utilizando o programa TMAP8 e modelos substitutos para avaliar o comportamento do trítio e otimizar o gerenciamento de combustível em um projeto preliminar de planta piloto de fusão desenvolvida pela Tokamak Energy Ltd.
Este artigo oferece uma visão abrangente sobre como os operadores neurais, uma abordagem de aprendizado de máquina baseada em dados, complementam os métodos numéricos tradicionais para resolver equações diferenciais parciais com maior eficiência e invariância à discretização, ao mesmo tempo em que discute seus desafios e potenciais aplicações na física e engenharia.
Este artigo propõe um método aprimorado de aprendizado de máquina, baseado em redes neurais profundas não totalmente conectadas e aprendizado não supervisionado, para calcular o estado fundamental de sistemas de dois corpos com graus de liberdade de spin e isospin, validando sua eficácia através do cálculo do estado ligado único do deutério.
O artigo apresenta o LaSDI-IT, um framework baseado em dados que combina aprendizado de dinâmicas em espaço latente com codificação consciente de interfaces para modelar com alta eficiência e precisão sistemas físicos complexos com fronteiras móveis, como o colapso de poros induzido por choque em explosivos, superando limitações de dados e alcançando aceleração de simulação de 106 vezes em comparação com métodos de alta fidelidade.
Este estudo demonstra que a excitação fonônica direcionada pode modular reversivelmente a condutividade térmica do arseneto de boro em volume, revelando que o espalhamento de quatro fônons desempenha um papel decisivo ao transformar o efeito de modulação bidirecional em uma supressão predominante e significativa.
O artigo demonstra que um algoritmo de Recocimento Global, que integra movimentos locais com movimentos globais propostos por aprendizado de máquina, supera o desempenho e a robustez de métodos clássicos de otimização combinatória, como o Recocimento Simulado e o Recocimento de População, na resolução de vidros de spin tridimensionais.
Este estudo utiliza simulações de Monte Carlo quântico para validar uma ansatz de Bisognano-Wichmann em rede, demonstrando que ela fornece uma aproximação precisa para o Hamiltoniano de emaranhamento em diversos sistemas quânticos bidimensionais, incluindo aqueles sem invariância translacional ou de Lorentz, desde que a fronteira de emaranhamento seja livre de anomalias de superfície.
Este estudo demonstra que a assimilação de observações do oceano profundo é crucial para melhorar a precisão das previsões de ensemble no Golfo do México, pois as interações dinâmicas entre as camadas superficiais e profundas, especialmente os vórtices mesoescala, influenciam significativamente a evolução do campo de superfície.
O artigo apresenta o LEDDS, um framework de código aberto que realiza simulações acopladas LBM-DEM em GPUs utilizando apenas primitivas algorítmicas portáteis, alcançando desempenho comparável a soluções otimizadas manualmente enquanto mantém a clareza do código e a compatibilidade com diversas arquiteturas de aceleradores.