922 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 o DPA3, uma rede neural de grafos multicamadas escalável baseada em séries de grafos de linha que adere às leis de escala e demonstra uma generalização zero-shot superior através de diversos sistemas atomísticos, estabelecendo-o como um modelo de fundação altamente preciso para aplicações atomísticas de larga escala.
Este artigo introduz um novo framework de computação em tempo de teste para modelos de fundação de EDPs que aproveita o escalonamento de inferência orientado por recompensa para aumentar a precisão da previsão e a robustez fora da distribuição, particularmente para equações de Euler compressíveis, ao utilizar recursos computacionais durante a inferência em vez de depender apenas de um pré-treinamento extensivo.
Este artigo apresenta um novo framework que reformula Redes Neurais Informadas pela Física como solvers diferenciáveis para aprender eficientemente variedades de soluções contínuas para o fluxo de Darcy em regime permanente em sistemas heterogêneos, permitindo soluções precisas e conservadoras de massa e quantificação de incerteza através de uma única execução de treinamento que integra representações de condutividade baseadas em dados diretamente na função de perda informada pela física.
Este artigo apresenta uma estrutura de modelagem eletrostática ultrarrápida para nanopartículas plasmônicas de geometria arbitrária que alcança cálculos rápidos de resposta espectral ao projetar o operador de Neumann-Poincaré em uma base de dipolos compacta para evitar grandes problemas de autovalores, incorporando simultaneamente efeitos de retardo via a aproximação de comprimento de onda longo modificada.
Este artigo apresenta um novo modelo Euleriano-VOF de grade única, dentro da estrutura de código aberto Basilisk, que resolve plenamente a dinâmica acoplada sólido-gás e a deformação anisotrópica de partículas durante a pirólise de biomassa, demonstrando excelente concordância com dados experimentais ao mesmo tempo em que fornece uma ferramenta robusta para o desenvolvimento de processos de pirólise sustentáveis.
Este estudo combina a Teoria do Funcional da Densidade e simulações de Dinâmica Molecular Reativa para demonstrar que a co-dopagem B-N, particularmente em configurações orto, otimiza a termodinâmica da adsorção de hidrogênio e aumenta a estabilidade térmica para a reação de evolução de hidrogênio em - e 6,6,12-grafina, enquanto outros padrões de dopagem ou redes prístinas sofrem de atividade fraca ou degradação estrutural.
Este artigo propõe e valida uma abordagem de "recozimento de interação" que suprime flutuações de carga para revelar a estrutura de valência e orbital quantizada efetiva de materiais correlacionados, explicando com sucesso fenômenos complexos como a ordem ferro-orbital em WTe e o isolamento de Mott em LaCuO.
Este artigo introduz a Mitigação de Erro de Estado Multireferência (MREM), uma técnica avançada de mitigação de erro quântico que utiliza estados multireferência compactos construídos via rotações de Givens para melhorar significativamente a precisão de cálculos de química quântica para sistemas moleculares fortemente correlacionados, superando as limitações da tradicional Mitigação de Erro de Estado de Referência.
Este artigo apresenta uma estrutura de modelagem de espectro total generalizada e agnóstica a plataformas para sistemas móveis de espectrometria de raios gama em meios de espalhamento que alcança a geração de modelos de template em tempo quase real com um aumento de velocidade computacional de e alta precisão, aumentando significativamente as capacidades para localização de fontes e quantificação em diversas aplicações ambientais e de resposta a emergências.
Este artigo propõe as Residual-Gated Adaptive KANs (RGA KANs), uma nova arquitetura que combina um esquema de inicialização agnóstico à base com o portão residual (residual gating), para superar os problemas de instabilidade de treinamento e divergência das redes Kolmogorov-Arnold informadas pela física profundas, alcançando assim precisão e estabilidade superiores em diversos benchmarks de equações diferenciais parciais.