Physik - Computergestützte Physik

Erforschen, wie Wasser die Elektronenbindung an Kationen in biologischen Systemen unterstützt.

IMSRG-Net nutzt maschinelles Lernen, um komplizierte Berechnungen in der Kernphysik zu vereinfachen.

Erschliessen, wie verbesserte Sampling-Methoden und maschinelles Lernen Molekulardynamik-Simulationen verbessern.

Eine bahnbrechende Technik kombiniert Deep Learning und Physik für schnellere Bildgebung.

Ein neuer Ansatz zur Fluidmodellierung mit maschinellem Lernen und versteckten Variablen.

Forschung beschäftigt sich mit falschen Strömen in mikrofluidischen Simulationen unter Verwendung von künstlicher Viskosität.

Eine neue Methode verbessert die Genauigkeit und Effizienz bei Neutronentransportsimulationen.

Ein Blick auf die Vorteile und Herausforderungen von Pipelining in molekularen mechanischen Schaltkreisen.

Proteinoid-Mikrosphären bieten einzigartige Eigenschaften für Computer und Medizin.

Das WFL-Paket vereinfacht atomistische Simulationen und maschinelles Lernen für interatomare Potenziale.

Forschung darüber, wie starke Laser das Verhalten von Teilchen und fundamentale Kräfte beeinflussen.

EquiformerV2 steigert die Genauigkeit und Geschwindigkeit bei atomaren Systemvorhersagen.

HamLib bietet eine vielfältige Bibliothek von Hamiltons für die Forschung im Bereich Quantencomputing.

Forschung zu Vortex-STOs zeigt vielversprechende Ansätze für fortgeschrittenes Computing mit chaotischer Dynamik.

Neue magnetische Reservoir-Computing-Methode nutzt Spannung für energieeffiziente Datenverarbeitung.

Neuer Machine-Learning-Ansatz verbessert die Analyse von Metall-Nanocluster-Strukturen.

Dieser Artikel bespricht, wie elektronische Polarisation die Kernpegel-Spektroskopie in Edelgasen beeinflusst.

Mol-GDL verbessert molekulare Vorhersagen, indem es kovalente und nicht-kovalente Wechselwirkungen integriert.

Verbesserung von Plasma-Vorhersagen durch fortschrittliche Rechenmethoden für die Kernfusion.

Lerne, wie der Koopman-Operator die Analyse komplexer Systeme verbessert.

Ein neuer Ansatz nutzt grafbasierte neuronale Netzwerke, um elastische Eigenschaften effizient vorherzusagen.

Eine neue Methode verbessert die Fluid-Simulationen mit weniger Zeit und Ressourcen.

Ein neues Verfahren verbessert GPU-Setups für Strömungsdynamiksimulationen durch maschinelles Lernen.

Eine Studie zeigt, wie elektrische Felder das Verhalten von Partikeln in spiralförmigen Strukturen beeinflussen.

Das Studieren des EDM von Xenon könnte Licht auf die Materie-Antimaterie-Asymmetrie werfen.

Wissenschaftler untersuchen, wie Licht die Materialeigenschaften und die Elektronenbewegungen beeinflusst.

Dieser Artikel untersucht drei Algorithmen zur Simulation der quanten-klassischen Dynamik mit dem MMST-Hamiltonian.

Die Forschung zu KAgSe und KAgX Materialien verspricht verbesserte Solarenergiesysteme.

Neue Methoden verbessern die Multi-Block-Optimierung für komplexe Probleme in verschiedenen Bereichen.

Ein Blick darauf, wie Wellenresonanzen offene Systeme in verschiedenen Bereichen beeinflussen.

NeueTechniken verbessern die Geschwindigkeit und Effizienz von optischen Kraftsimulations.

Eine Studie zeigt komplexe Phasenübergänge in magnetischen Materialien, die über traditionelle Theorien hinausgehen.

Untersuchen, wie die Struktur den Magnetismus in eindimensionalen und zweidimensionalen Systemen beeinflusst.

Neue Methoden zur groben Abbildung verbessern Simulationen komplexer Systeme und senken gleichzeitig die Rechenkosten.

Studie zeigt die Dynamik von Rissfrontwellen in dreidimensionalen Materialien.

Ein neuer Ansatz verbessert das Training von neuronalen Netzen zur Lösung komplexer physikalischer Gleichungen.

Dieser Artikel betrachtet die Bedeutung des Wärmemanagements in winzigen elektronischen Geräten.

Erkunde, wie der Gini-Index hilft, kritische Punkte in verschiedenen Systemen zu identifizieren.

Ein neuer Algorithmus verbessert die Geschwindigkeit beim Lösen von modifizierten Poisson-Boltzmann-Gleichungen für geladene Systeme.

Forschung zur Verbesserung von Quantenstatusmessungen in lauten Umgebungen.