Physik - Computergestützte Physik

Neue Methode verbessert molekulare Simulationen und Analysen in der computerbasierten Chemie.

Neue Ansätze in der Materialwissenschaft nutzen neuronale Netzwerke, um das Verhalten von nichtlinearen Materialien vorherzusagen.

Neuer automatisierter Ansatz verbessert die Berechnungen der Vibrationsspektroskopie für komplexe Materialien.

Die Bedeutung von Chern-Zahlen in quantenmaterialien und ihren einzigartigen Eigenschaften erkunden.

FEONet kombiniert Deep Learning und numerische Methoden, um parametrische PDEs effizient zu lösen.

Neue Techniken verbessern die Vorhersagen für das Verhalten komplexer Flüssigkeiten in verschiedenen Branchen.

Ein Blick darauf, wie seismische Netzwerke Erdbeben in vier wichtigen Regionen analysieren.

Forscher verbessern das Verständnis von Lichtinteraktionen mit Computersimulationen von symmetrischen Formen.

Diese Studie zeigt, wie die Position von CO2 auf Gold die Energie der Ladungseinspritze verändert.

Forscher nutzen neuronale Netzwerke, um komplexe nicht-stöchiometrische Materialien besser zu modellieren.

Ein neues Framework verbessert Plasmasimulationen für wissenschaftliche Anwendungen.

In diesem Artikel wird besprochen, wie zwei Teilchen unter äusseren Kräften interagieren und sich bewegen.

Die Effektivität und Grenzen von generativen Modellen bei der Materialerstellung untersuchen.

QERaman verbessert die Raman-Spektroskopie-Analyse für die Materialforschung.

Erforsche numerische Techniken, die Simulationen von Hamiltonschen Systemen verbessern.

Neue netzfreie Methoden verbessern das Verständnis der Stabilität des Flüssigkeitsflusses.

Die Kombination aus traditionellen Methoden und neuronalen Netzwerken verbessert die Effizienz und Genauigkeit der Datenassimilation.

Ein Softwarepaket zum Studieren der elektronischen Strukturen von Materialien durch Simulationen.

Eine neue Methode verbessert die Analyse komplexer Systeme, indem sie sich auf Cluster konzentriert.

In diesem Artikel wird die Synergie zwischen Quantencomputing und Monte-Carlo-Methoden in der Wissenschaft untersucht.

Eine Erkundung der Entstehung von schwarzen Löchern durch mathematische Modelle und neue Techniken.

Neue PBMG-Methode verbessert die Sampling-Effizienz in Gittermodellen und kritischen Bereichen.

Neue Methoden verbessern die Risikobewertung von zerebralen Aneurysmen durch fortgeschrittene Modellierung.

Untersuchen der Beziehung zwischen flachen Bändern und magnetischen Eigenschaften in bestimmten Materialien.

Lerne wichtige Methoden, um das Training von physikbasierten neuronalen Netzen zu verbessern.

PIBI-Netze vereinfachen die Lösung von PDEs mit Randdaten und verbessern dabei Effizienz und Genauigkeit.

Neuer Ansatz verbessert die Vorhersagen von Glaseigenschaften mit maschinellem Lernen und Expertenwissen.

Neue Methode verbessert das Studium des Verhaltens von Partikeln in aktiver Materie.

Eine neue Methode für effizientes molekulares Modellieren unter Berücksichtigung physikalischer Symmetrien.

Die Kombination von Quantenstatus-Tomographie mit maschinellem Lernen verbessert die Genauigkeit und Effizienz.

Eine neue Methode verbessert die Genauigkeit der Modellauswahl bei Datenunsicherheit.

Forschung zeigt, wie die Struktur und Stabilität von Nanodiscs mit apoE3 aussieht.

Ein Machine-Learning-Modell verbessert die Vorhersagen von molekularen Eigenschaften effizient.

Erforschen, wie umherirrende Elektronen die Tokamak-Stabilität und die Fusionsforschung beeinflussen.

MolSieve hilft Forschern, komplexe Molekulardynamiksimulationen effizient zu analysieren.

Diese Arbeit behandelt numerische Methoden zur Simulation offener Quantensysteme und deren Wirksamkeit.

Eine neue Bibliothek hilft dabei, zweidimensionale Quantensysteme mit Tensor-Netzwerken zu simulieren.

Ein neues Modell verbessert die Vorhersagen für magnetische Hysterese in Materialien.

Ein neues Modell, das das Studium von Atominteraktionen vereinfacht.

Neue Techniken versprechen hochenergetische Teilchenbeschleunigung mit Laser-Wakefield-Methoden.