Physik - Computergestützte Physik

Deep Learning verbessert die Vorhersagen in quantenmechanischen Ising-Modellen und optimiert die Energieberechnungen.

Forschung zeigt Probleme bei der Simulation von Borosilikatgläsern aufgrund falscher Atomgewichte.

Neue Einblicke in die Stapeleffekte auf die magnetischen Eigenschaften von bilayer CrI.

Dieser Artikel untersucht Stosswellen in Gas mit wechselnder Dichte.

Neue Methode CD-WAC verbessert die Effizienz und Genauigkeit der Kernspektralanalyse.

Richtlinien zur Bewertung der Präzision verschiedener DFT-Methoden für die Materialwissenschaft.

Forschung zu Wärmeübertragungsdynamiken mit fortgeschrittenen Simulationen in komplexen Geometrien.

Neue Techniken verbessern die Lösung komplexer nichtlinearer Gleichungen.

Die Erforschung, wie Flüssigkeiten mit Oberflächen interagieren, beeinflusst verschiedene Branchen.

Neue Methoden verbessern die Genauigkeit von zwei-phasen Strömungssimulationen.

Untersuchen, wie Fliessscheren die Bildung von Magnetfeldern in astrophysikalischen Umgebungen beeinflussen.

Innovative Ansätze mit DMD und GAN verbessern das Modellieren von schockbedingtem Porenkollaps.

Eine neue automatisierte Technik verbessert die Effizienz bei der Erstellung von MLWFs für Materialwissenschaften.

Die Auswirkungen von GPU-Technologie auf Tensorberechnungen in komplexen Systemen erkunden.

Diese Studie untersucht die Beziehung zwischen Proteinsequenzen und den Eigenschaften von Kondensaten.

multiRegionFoam ermöglicht komplexe Simulationen über verschiedene Materialien und Flüssigkeitsströme hinweg.

Neue Methoden zur Vorhersage metastabiler Materialien könnten einzigartige Eigenschaften für verschiedene Technologien freisetzen.

Untersuchung des Wärmeübertragungsverhaltens in konzentrierten Emulsionen und deren technologische Auswirkungen.

Dieser Artikel untersucht, wie die Biegesteifigkeit die Formen von semiflexiblen Polymeren beeinflusst.

Ein Blick darauf, wie multimodale Instabilitäten die Laserleistung und -anwendungen beeinflussen.

Die Untersuchung von Hsp90s Bewegung kann zu besseren Krebsbehandlungen führen.

Die Kombination von Greenschen Funktionen mit neuronalen Netzen bietet neue Lösungen für komplexe PDEs.

Forschung zeigt, dass kleine Dynamos sogar in Umgebungen mit niedrigem magnetischen Prandtl-Zahl existieren können.

Julia ermöglicht effiziente Datenanalysen in der Hochenergiephysik durch hohe Leistung und Benutzerfreundlichkeit.

Neue RelSIM-Methode verbessert die Simulation astrophysikalischer Plasmen und erhöht Genauigkeit und Effizienz.

Ein Vergleich von zwei numerischen Methoden zur Simulation von Materialveränderungen.

Wir stellen zwei Modelle vor, um fortschrittliche Kristallmaterialien für Energieanwendungen zu schaffen.

Forscher arbeiten an effizienten Materialien für sichere Wasserstoffspeicherung.

Dieser Artikel untersucht, wie die Fahrfrequenz die Elektronendynamik in kapazitiv gekoppeltem Plasma beeinflusst.

Eine neue Methode verbessert die Modellgenauigkeit für Diblock-Copolymer-Muster mithilfe von Bilddaten.

Eine neue Methode verbessert die Simulationen von Zwei-Phasen-Flüssigkeitsinteraktionen für industrielle Anwendungen.

Neue Methoden verbessern die Simulation von dynamischen elektromagnetischen Materialien und deren Anwendungen.

Eine neue Methode verbessert das Deep Learning Training zur Analyse von hochauflösenden wissenschaftlichen Daten.

Forscher haben ein hybrides Computermodell entwickelt, um die Reaktionen von Tumoren auf Medikamente zu untersuchen.

Neue autoregressive Modelle verbessern das Sampling und die Darstellung komplexer Quantenzustände.

Die Untersuchung des Verhaltens einzelner Metallatome auf bor-dotierten Diamantoberflächen.

Diese Studie untersucht die Auswirkungen von Gedächtniseffekten in Kadanoff-Baym-Gleichungen und HF-GKBA.

Neue Methoden richten Partikel aus, um klarere Bilder von molekularen Strukturen zu bekommen.

Diese Studie beschreibt eine Technik zur Auswahl von beobachtbaren Grössen in komplexen Systemen.

EDDPs verbessern Simulationen und Vorhersagen in der Materialwissenschaft.