Physik - Computergestützte Physik

Die Rolle von Tensor-Netzwerken bei der Verbesserung der Effizienz von probabilistischen Inferenz untersuchen.

LENNs bieten einen neuen Ansatz, um komplexe physikalische Systeme effizient zu modellieren.

Forscher vereinfachen neuronale Netzwerke, um wichtige Einblicke in Gedächtnis und Entscheidungsfindung zu gewinnen.

Neuronale Wellenfunktionen und Pfaffianen verbessern die Vorhersagen der Quantenchemie erheblich.

Eine neue Methode verbessert das Training für neuronale Netzwerke, die partielle Differentialgleichungen lösen.

Die Verbesserung der Geschwindigkeitsmessungen steigert die Simulation des Partikelverhaltens in verschiedenen wissenschaftlichen Bereichen.

Lerne, wie du transparente Randbedingungen anwenden kannst, um die Schrödinger-Gleichung numerisch zu lösen.

Diese Studie gibt neue Einblicke in Turbulenzen in Weltraumumgebungen.

Forscher verbessern Plasmasimulationen mit einer neuen numerischen Integrationsmethode.

Eine neue KI-basierte Methode verbessert die Effizienz bei der Full Waveform Inversion.

RKGC verbessert die Genauigkeit und Konsistenz in Fluid-Simulationen mit SPH.

Dieser Artikel bespricht, wie maschinelles Lernen beim Entwerfen von mikrostrukturierten Materialien hilft.

Studie zeigt neue Erkenntnisse über das Verhalten von Hydrogel unter Stress.

Forschung zeigt komplexe Elektronenverhalten in MATBG mit fortschrittlichen Berechnungstechniken.

Neue Algorithmen verbessern die Vorhersagen von Quanten-Grundzuständen mit begrenzten Daten.

Eine neue Methode kombiniert maschinelles Lernen mit Grobkorrektur für bessere Materialmodellierung.

Eine neue Methode verbessert die Geschwindigkeit und Genauigkeit bei der Vorhersage der Ladungsdichte.

Eine neue Methode nutzt Deep Learning, um die Berechnungen der Energie von quantenmechanischen Vielteilchensystemen zu verbessern.

Dieser Artikel behandelt innovative Methoden zur Entdeckung von Erhaltungssätzen in verschiedenen wissenschaftlichen Bereichen.

Kombination von Quanten- und klassischen Methoden, um die Gleichungen der Fluidbewegung zu lösen.

Kombination von Physik und Geometrie für verbesserte Vorhersagen zur akustischen Streuung.

Ein Überblick über Zweiphasenströmungen und die numerischen Modelle, die sie untersuchen.

Neue Multi-Fokus-Ptychografie-Techniken verbessern die Bildgebung von dicken Materialien auf atomarer Ebene.

Ein Blick auf SPIMs und ihr Potenzial bei Optimierungsproblemen.

Erforschung der optimierten effektiven Potentialmethode für präzise Kraftberechnungen in Materialien.

Ein kurzer Leitfaden zum effektiven Schreiben und Einreichen wissenschaftlicher Arbeiten.

Eine neue Verlustfunktion, Astral, steigert die Leistung von physik-basierten neuronalen Netzen.

Neue Methoden verbessern die Modellierung von elektromagnetischen Problemen mit Schnittstellen mithilfe von neuronalen Netzen.

Ein neuer Algorithmus verbessert die Eigenstate-Schätzung in Quantensystemen.

Forscher untersuchen unerwartete Verhaltensweisen in Flüssigkeitsströmen mithilfe von Euler-Gleichungen und Singularitäten.

Neueste Erkenntnisse zeigen, dass langsam rotierende Pulsare Signale aussenden könnten, was unser Wissen verändern könnte.

Eine Übersicht über magnetoelektrische Materialien und die Bedeutung von BiCoO für zukünftige Technologien.

Untersuchen des Einflusses von statistischem Rauschen auf die Schätzungen der Neutrino-Masse in der modernen Kosmologie.

Die Möglichkeiten von Quantencomputing in Strömungsdynamiksimulationen erforschen.

Effiziente Methoden zur Simulation der Wirbel-Dynamik in Strömungen erkunden.

Dieser Artikel vereinfacht die komplexe Welt der Quantensysteme.

Meent verbessert elektromagnetische Simulationen und maschinelles Lernen für das Design optischer Geräte.

Dieses Papier untersucht, wie Janusstäbe sich basierend auf Form und Bindung organisieren.

HydraGNN nutzt maschinelles Lernen, um die Materialentdeckung und -modellierung zu beschleunigen.

Forschung verbessert Simulationen von Binärsystemen und vertieft das Verständnis von Gravitationswellen.