1250 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.
O artigo apresenta o SIGS, um framework neuro-simbólico inovador que automatiza a descoberta de soluções analíticas para equações diferenciais, incluindo sistemas acoplados não lineares, ao combinar uma gramática formal para garantir a validade sintática com uma busca em espaço contínuo para otimizar e refinar candidatos sem necessidade de dados.
Este trabalho apresenta a derivação rigorosa de um modelo macroscópico para o fluxo bifásico em meios porosos heterogêneos, obtido através da homogeneização das equações de Navier-Stokes e Cahn-Hilliard, incorporando formalmente o comportamento de molhabilidade e validando o modelo com simulações numéricas.
Este artigo descreve o desenvolvimento e a eficácia de uma plataforma interativa online para laboratórios de física, que replicou os experimentos do St. Xavier's College em Kolkata, resultando em feedback 100% positivo dos estudantes quanto à melhoria da compreensão conceitual e da confiança para realizar práticas físicas.
Este trabalho apresenta o GABI, um framework que utiliza autoencoders geométricos para aprender priores generativos condicionados à geometria a partir de grandes conjuntos de dados, permitindo a quantificação de incertezas robusta e adaptável em problemas de inversão bayesiana de sistemas físicos com geometrias complexas, sem depender das equações governantes.
Este trabalho avalia e valida o potencial de interação atômica baseado em aprendizado de máquina (UMA) para simulações de dinâmica molecular de MoS2 dopado, demonstrando sua capacidade de prever com precisão fenômenos complexos e permitir a triagem de alto rendimento de dopantes a um custo computacional drasticamente reduzido em comparação com a teoria do funcional da densidade.
O artigo apresenta o MDIntrinsicDimension, um pacote Python de código aberto que estima a dimensão intrínseca de trajetórias de dinâmica molecular para analisar movimentos coletivos e flexibilidade local em macromoléculas, complementando descritores geométricos convencionais.
Este artigo propõe um quadro de fronteira aberta corrigido baseado no modelo de pseudopotencial imiscível com tempo de relaxamento múltiplo (MRT) para simulações de fluxo multifásico, o qual introduz correções na função de distribuição, ajusta a velocidade de saída para conservação de massa e otimiza coeficientes de relaxamento, resultando em uma redução significativa de correntes espúrias e erros de massa em comparação com métodos existentes.
Este artigo apresenta o *sangkuriang*, uma biblioteca Python de código aberto que utiliza métodos pseudo-espectrais e integração temporal adaptativa para simular com alta fidelidade a dinâmica de solitões da equação de Korteweg-de Vries, validando sua precisão e conservação de propriedades físicas em diversos cenários de interação de ondas.
Este artigo apresenta uma abordagem de otimização topológica para o projeto inverso de geometrias estruturais de supercondutores do tipo II, utilizando a teoria de Ginzburg-Landau sob a calibração de Weyl para modelar a resposta magnética e otimizar a pinagem de fluxo em interfaces supercondutor-dielétrico/vácuo.
Os autores propõem um método de amostragem aprimorada mais eficiente que utiliza uma função de comitador aproximada aprendida apenas no espaço de descritores, eliminando a necessidade de gradientes coordenados custosos e permitindo o estudo de processos reativos anteriormente inviáveis, mantendo ao mesmo tempo um desempenho de amostragem robusto.