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 apresenta um modelo de tensão de subgrade não-Boussinesq, numericamente consistente, para simulação de grandes eddies que utiliza assimilação de dados e aprendizado multitarefa para alcançar uma convergência aprimorada e previsões melhoradas de camadas limites turbulentas sob gradientes de pressão adversos em comparação ao modelo Dinâmico de Smagorinsky.
Este artigo demonstra que a combinação de Equações Diferenciais Ordinárias Neurais (NODEs) para uma extrapolação de dados eficaz com Regressão Simbólica (SR) para recuperação de equações oferece uma abordagem híbrida promissora para a descoberta de leis físicas governantes a partir de dados limitados e ruidosos.
Este artigo introduz um resolvedor de diferenças finitas no domínio do tempo exponencial para simulações de partícula-em-cela que preenche a lacuna entre os métodos padrão de diferença finita e os métodos espectrais, oferecendo alta precisão e localidade aprimorada em 3D, ao mesmo tempo em que demonstra sua eficácia através de vários benchmarks de interação laser-plasma.
Este artigo apresenta um solver de eletrólito baseado em elementos finitos e termodinamicamente consistente, implementado no FEniCSx, que modela com precisão o transporte iônico multicomponente ao incorporar efeitos estéricos, solvatação e acoplamento de pressão, melhorando, assim, a fidelidade física e a estabilidade numérica em relação aos frameworks clássicos para sistemas eletroquímicos de alta concentração.
Este estudo demonstra que irradiar estruturas helicoidais ferromagnéticas colineares com luz polarizada induz transmissão com divisão de spin e suprime a condutância térmica, aumentando significativamente o desempenho termoelétrico de spin e o fator de mérito, particularmente quando combinado com salto de longo alcance.
Este artigo compara os métodos de projeção e de gradiente de deslizamento para estimar as densidades de discordâncias geometricamente necessárias (GND) em modelos de elementos finitos de plasticidade cristalina, revelando que, embora ambos se alinhem com as tendências analíticas, o método de projeção subestima significativamente as GNDs em policristais, a menos que seja aprimorado restringindo os cálculos apenas aos sistemas de discordância ativos.
O artigo apresenta o ELECTRA, uma rede de tensores cartesianos equivariante que utiliza orbitais gaussianos flutuantes para prever com precisão densidades eletrônicas 3D e acelerar significativamente a convergência da DFT ao aprender posicionamentos orbitais otimizados de maneira orientada por dados.
Este artigo apresenta uma nova estrutura baseada em processos gaussianos que aprende mapas de Dirichlet-para-Neumann probabilísticos em grafos ao integrar o cálculo exterior discreto e a recuperação ótima não linear para impor leis de conservação, permitindo, assim, previsões precisas e com quantificação de incerteza em aplicações multifísicas com escassez de dados, como redes de fraturas de subsuperfície e fluxo sanguíneo arterial.
O artigo apresenta o LEGO-xtal, uma estrutura de IA generativa informada por simetria que produz rapidamente estruturas cristalinas diversas que correspondem a um ambiente local alvo ao combinar estruturas iniciais geradas por IA com otimização baseada em aprendizado de máquina, expandindo com sucesso um pequeno conjunto de alótropos de carbono para mais de 1.700 candidatos viáveis.
Este artigo apresenta um novo arcabouço local para identificar linhas X de reconexão magnética tridimensionais e estimar taxas de reconexão em plasmas turbulentos ao aplicar linhas de bifurcação de visualização de fluidos e medições de camadas de cisalhamento magnético, oferecendo uma alternativa eficiente aos métodos globais tradicionais em vários modelos de simulação.