physics.comp-ph

ATLAS-NN: Adaptive Transfer Learnable Symplectic-aware Neural Network for Long-Time Hamiltonian Dynamics

O artigo apresenta o ATLAS-NN, uma estrutura de rede neural adaptativa que aprimora a modelagem de dinâmica hamiltoniana de longo prazo ao incorporar um mecanismo de escala temporal aprendível e uma estratégia de transferência de aprendizado em duas etapas, alcançando erros de previsão significativamente reduzidos em comparação com Redes Neurais Hamiltonianas padrão e integradores simpléticos tradicionais.

Energetics, shearing and pumping efficiency of propagating contractions over villi-patterned wall

Este estudo utiliza um modelo 2D do duodeno de rato para demonstrar que a motilidade de ondas pendulares intestinais é otimizada primariamente para o cisalhamento da barreira de muco em vez de bombeamento de fluido em massa, conforme evidenciado por sua baixa eficiência de bombeamento e pela descoberta de que a dissipação de energia viscosa é governada pela geometria intervilosas, em vez da camada limite de mistura dinâmica.

Stabilizing the parquet problem

Este artigo analisa a estabilidade das soluções iterativas da equação de parquet ao identificar uma nova fonte de falha de convergência não relacionada a divergências de vértices e propõe uma estratégia de estabilização controlada que recupera com sucesso soluções físicas em regimes de forte interação.

Exploiting the Passive Dynamics of a Compliant Leg to Develop Gait Transitions

Este artigo utiliza uma estrutura de sistemas dinâmicos híbridos para analisar o modelo de Pêndulo Invertido com Mola (SLIP), identificando regiões de estabilidade e demonstrando como explorar a dinâmica instável para transições de marcha de energia constante, ao mesmo tempo em que se alcança uma estabilidade quase universal por meio de políticas de controle de ângulo de ataque não constantes simples.

Electron Localization in Non-Compact Covalent Bonds Captured by the r2SCAN+V Approach

Este artigo identifica que os funcionais SCAN e r2SCAN apresentam dificuldades com ligações covalentes não compactas devido a descrições enviesadas de localização eletrônica e propõe a abordagem r2SCAN+V como uma solução prática que melhora significativamente a precisão em materiais desafiadores como grafeno, Fe, Cr₂ e VO₂.

Electrically tunable spin qubits in strain-engineered graphene p-n junctions

Este artigo propõe e simula uma arquitetura de qubit de spin escalável em junções p-n de grafeno puro, onde nanobolhas induzidas por deformação criam pontos quânticos duplos sintonizáveis que permitem a manipulação coerente de spin via acoplamento spin-órbita de Rashba e campos Zeeman, conforme evidenciado por cruzamentos evitados distintos e oscilações de Rabi dependentes de desintonização.

From Local Training to Large-Scale Mapping: A Comparative Assessment of Machine Learning and Deep Learning for Transferable Satellite-Derived Bathymetry

TransportBench: A Comprehensive Benchmark for Non-Equilibrium Flow Transport

Este artigo apresenta o TransportBench, um conjunto de dados de alta fidelidade abrangente e um benchmark padronizado projetados para avaliar e diagnosticar modelos de aprendizado de máquina científico através de diversos regimes de fluxo fora do equilíbrio, revelando que nenhuma arquitetura neural única supera universalmente as outras e que vieses indutivos específicos são necessários para diferentes características de fluxo.

Will Accurate Fields Mislead Photonic Design? FromGlobal Accuracy to Port Readout

Este artigo introduz o PaNO, um operador neural alinhado à propagação que prioriza a fidelidade de leitura da porta de saída em detrimento da precisão do campo global para evitar que substitutos de campos neurais induzam erroneamente o design de dispositivos fotônicos, particularmente em estruturas dominadas pela propagação, como divisores MMI.

A variable-coefficient model for decay of isotropic turbulence capturing effects of finite cascade time and Reynolds number

Este artigo propõe um modelo de coeficiente variável $C_{\epsilon2}$ para a estrutura de turbulência $k$-$\epsilon$ que considera o tempo de cascata finito e os efeitos do número de Reynolds, capturando, assim, com precisão o decaimento e o crescimento da turbulência isotrópica através de diversos cenários de escoamento.