917 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 propõe e valida o método CoK-PCA, uma técnica de redução de dimensionalidade baseada no tensor de co-curtose que supera a Análise de Componentes Principais (PCA) tradicional na representação precisa de dinâmicas químicas complexas e eventos extremos em simulações de combustão.
Este artigo generaliza o método FDTD, amplamente utilizado em eletromagnetismo computacional, para um ambiente sem malha utilizando o método RBF-FD e investiga suas propriedades em um problema de teste simples.
Este trabalho apresenta uma análise teórica generalizada do método de Boltzmann na rede regularizado por Onsager (OReg), demonstrando que ele mitiga erros de isotropia em simulações termohidrodinâmicas não lineares sem correções externas, alcançando maior precisão em lattices padrão como o D2Q9.
Este estudo demonstra que, nas transições de fase dinâmicas de modelos de Ginzburg-Landau de campo médio, o campo conjugado correto é a componente par de Fourier do campo aplicado, revelando leis de escala universais para os modos de Fourier da ordem e desvios de paridade específicos na vizinhança do período crítico.
Este trabalho apresenta um operador neural unificado e restrito pela física que acelera a Simulação Monte Carlo Direta (DSMC) ao substituir modelos fenomenológicos por kernels neurais estocásticos para conservação de momento e energia, além de um operador dedicado para potenciais *ab initio*, permitindo simulações de alta fidelidade com generalização zero-shot e redução de custo computacional.
Este estudo demonstra que métodos de estrutura eletrônica *ab initio* aplicados a moléculas complexas exibem estatísticas de níveis do tipo Wigner-Dyson (GOE), confirmando a universalidade da teoria de matrizes aleatórias para estados físicos relevantes e revelando uma transição para a classe GUE sob campos magnéticos intensos.
Este estudo estabelece uma relação quantitativa entre a adsorção e a cinética coletiva das transições de deitar-em pé em interfaces orgânico-inorgânico, demonstrando que a taxa de transição emerge de processos microscópicos acoplados e é intrinsecamente controlada por parâmetros geométricos, permitindo a derivação de uma expressão analítica para o projeto de escalas de tempo nessas interfaces.
O artigo apresenta o MBD-ML, uma rede neural de passagem de mensagens pré-treinada que prevê coeficientes atômicos de dispersão e polarizabilidades diretamente a partir de estruturas atômicas, permitindo o cálculo eficiente e imediato de interações de van der Waals de muitos corpos em moléculas e materiais sem a necessidade de cálculos eletrônicos intermediários.
Este trabalho apresenta um método de mapeamento característico generalizado com termos de fonte para resolver equações de advecção não lineares, demonstrando precisão de terceira ordem e alta resolução em simulações de magnetohidrodinâmica ideal bidimensional.
Esta revisão apresenta a primeira visão unificada do aprendizado de máquina científico na hidrologia, propondo um quadro metodológico coerente para integrar o conhecimento físico aos modelos orientados por dados, a fim de superar a fragmentação atual e orientar o progresso sistemático na área.