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 trabalho introduz uma aproximação de Padé para reduzir sistematicamente o número de zeros necessários nas formulações de Fisher, EPD e MGF, permitindo uma análise confiável e computacionalmente eficiente do modelo XY anisotrópico bidimensional enquanto preserva a precisão na estimativa da temperatura crítica.
Este artigo apresenta uma metodologia que utiliza simuladores diferenciais e dados de fase de plasma para aprender operadores de colisão dependentes do tempo e integro-diferenciais, demonstrando que essa abordagem supera os métodos estatísticos tradicionais na recuperação precisa da dinâmica de plasmas fora do equilíbrio.
Este trabalho apresenta um modelo exato de Monte Carlo de Integral de Caminho para férmions harmônicos interagentes que demonstra que o problema de sinal é inerente ao propagador de férmions livres e que estados de casca fechada específicos não apresentam esse problema em tempos imaginários grandes, permitindo cálculos precisos de energias de pontos quânticos que superam métodos modernos de redes neurais.
Este artigo apresenta um modelo inovador de Rede Neural de Colisões (CN) baseado em Redes Neurais de Grafos que, ao integrar técnicas de assimilação de dados em um framework unidimensional, otimiza a simulação e previsão da dinâmica do gelo marinho com maior eficiência computacional e precisão.
Este artigo demonstra que a amostragem guiada com priores de difusão pode reconstruir trajetórias espaço-temporais completas e generalizar para regimes de parâmetros não vistos em problemas de cinética de reações em fase gasosa, superando as limitações de métodos anteriores focados apenas em instantâneos isolados.
Este artigo apresenta o framework pLaSDI, uma abordagem de aprendizado de máquina informada pela física que identifica dinâmicas em espaço latente para modelar a cinética atômica NLTE dependente do tempo, superando os gargalos computacionais tradicionais ao garantir estabilidade física e precisão com acelerações de até vezes.
O artigo apresenta a equação de Langevin generalizada com desordem espacial (SD-GLE), um método baseado em dados e inferência bayesiana que separa eficazmente a desordem espacial estática do atrito viscoelástico para modelar com precisão a dinâmica de longo prazo e a difusão anômala em sistemas heterogêneos, superando as limitações das abordagens de campo médio tradicionais.
Este artigo apresenta o "método da bolha", uma abordagem de princípios primeiros que calcula a energia livre de solvatação de moléculas e íons sem depender de dados experimentais, superando as instabilidades numéricas dos métodos tradicionais e sendo aplicável a simulações de dinâmica molecular clássica, *ab initio* e baseada em aprendizado de máquina, inclusive em condições extremas.
Este trabalho desenvolve e avalia sistematicamente extensões probabilísticas de Redes Neurais Informadas pela Física (PINNs), incluindo inferência Bayesiana e ensembles repulsivos, para quantificar incertezas epistêmicas em problemas inversos de modelagem de turbulência, demonstrando que a abordagem Bayesiana oferece as estimativas mais consistentes enquanto os ensembles repulsivos fornecem uma alternativa computacionalmente eficiente.
Este artigo apresenta o Scalable DDPM-Polycube, um método baseado em difusão estendido que aprimora a geração de polycubos para complexas geometrias CAD através da introdução de um novo primitivo de furo cego, de uma configuração de grade tridimensional ampliada e de uma estratégia de geração de contexto guiada pelo gênero, viabilizando assim a construção de malhas hexaédricas e splines volumétricos para análise isogeométrica.