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 demonstra que interações atrativas de curto alcance entre quase-partículas brownianas termicamente impulsionadas permitem uma otimização eficiente em termos de energia, escalável e robusta por meio de um comportamento cooperativo emergente, superando buscadores não interagentes tanto em paisagens espaciais estáticas quanto dinâmicas.
Este artigo introduz uma estrutura de Monte Carlo quântico universal e de caixa preta que utiliza estimadores exatos de forma fechada para susceptibilidades de energia e fidelidade para detectar transições de fase quânticas através de Hamiltonianos arbitrários sem exigir conhecimento prévio de parâmetros de ordem ou regras de atualização específicas do modelo.
Este artigo apresenta um arcabouço formal dentro da representação de matriz de permutação de simulações de Monte Carlo quântico para derivar estimadores exatos para observáveis estáticos arbitrários e funções de correlação de tempo imaginário gerais, demonstrando sua utilidade prática através de aplicações ao modelo de Ising de campo transversal.
Este estudo emprega cálculos de primeiros princípios para caracterizar a recém-sintetizada Vivianene 2D, revelando sua estabilidade à temperatura ambiente, um bandgap indireto de 3,03 eV dominado por orbitais d de Fe e absorção óptica aumentada na região do ultravioleta, o que coletivamente sugere seu potencial promissor para aplicações optoeletrônicas e de sensoriamento.
Este estudo de primeiros princípios revela que, embora as vacâncias de calcogênio prístinas em MoS e MoSe não induzam magnetismo, a adsorção de azaneto (NH) e amônia (NH) nessas monocamadas defeituosas gera momentos magnéticos localizados, com o MoSe exibindo um notável momento de 2,0 após a dissociação de NH, demonstrando assim uma estratégia viável para ajustar o magnetismo em materiais 2D para aplicações espintrônicas.
Este artigo apresenta uma estrutura impulsionada por modelos generativos combinada com triagem termodinâmica e eletrônica hierárquica para identificar com sucesso 13 novos eletrídeos termodinamicamente estáveis e 264 compostos ricos em elétrons a partir de milhares de composições químicas, acelerando a descoberta de materiais com propriedades eletrônicas excepcionais.
Este artigo propõe um esquema semi-Lagrangiano híbrido para a equação de Vlasov-Poisson que combina sinergicamente o método de passo de tempo local conservativo da Iteração de Fluxo Numérico (NuFI) com a composição eficiente de submapas globais do Método de Mapeamento de Características (CMM) para alcançar um equilíbrio entre custo computacional, requisitos de armazenamento e preservação estrutural.
Este artigo apresenta o MEIDNet, uma estrutura de IA generativa multimodal que combina redes neurais de grafos equivariantes e aprendizado contrastivo para acelerar eficientemente o design inverso de novos materiais estáveis com propriedades alvo, conforme demonstrado pela geração bem-sucedida de perovskitas de baixo bandgap.
Este artigo introduz um diagnóstico baseado em influência que analisa a geometria local do panorama de perda para determinar se emuladores neurais de equações diferenciais parciais internalizaram com sucesso simetrias físicas ao medir a coerência das atualizações de gradiente ao longo de órbitas relacionadas por simetria, oferecendo, assim, um novo método para avaliar a generalização robusta além dos testes padrão de passagem direta.
O artigo introduz o GG-PI, um framework computacionalmente eficiente que utiliza modelagem generativa e amostragem de Gibbs em dados de simulação clássica para recuperar com precisão efeitos quânticos nucleares e transferi-los entre temperaturas sem retreinamento, superando significativamente a dinâmica molecular de integral de caminho tradicional.