Física - Física computacional

Este artículo examina cómo la frecuencia de conducción influye en la dinámica de electrones en plasma acoplado capacitivamente.

Un nuevo método mejora la precisión del modelo para los patrones de copolímeros dibloque usando datos de imágenes.

Un nuevo método mejora las simulaciones de interacciones de fluidos bifásicos para aplicaciones industriales.

Nuevos métodos mejoran la simulación de materiales electromagnéticos dinámicos y sus aplicaciones.

Un nuevo método mejora el entrenamiento de deep learning para el análisis de datos científicos de alta resolución.

Los investigadores crean un modelo de computadora híbrido para estudiar las respuestas de los tumores a los medicamentos.

Nuevos modelos autorregresivos mejoran la muestreo y representación de estados cuánticos complejos.

Explorando el comportamiento de átomos de metal individuales en superficies de diamante dopadas con boro.

Este estudio explora el impacto de los efectos de memoria en las ecuaciones de Kadanoff-Baym y HF-GKBA.

Nuevos métodos alinean partículas para obtener imágenes más claras de estructuras moleculares.

Este estudio detalla una técnica para seleccionar observables en sistemas complejos.

Los EDDPs mejoran las simulaciones y predicciones en la ciencia de materiales.

TensorNet mejora las predicciones moleculares usando representaciones tensoriales eficientes.

Explorando la conductividad térmica en CsPbBr y sus implicaciones para aplicaciones de materiales.

Un nuevo modelo de red neuronal mejora las simulaciones del crecimiento de superficies bajo diversas condiciones de ruido.

Una visión general de las ecuaciones de momento en aguas poco profundas y su importancia en la dinámica de fluidos.

Un enfoque nuevo mejora la precisión en el modelado de dinámica de fluidos.

Un método para calcular campos eléctricos a partir de distribuciones de carga gaussiana de manera eficiente.

Los investigadores están estudiando los hidruros de lutecio y descubren que no hay superconductividad convencional a pesar de las afirmaciones recientes.

Una mirada a métodos para simplificar ecuaciones cinéticas y asegurar la estabilidad de la simulación.

La investigación mejora las reacciones de pares radicales usando campos magnéticos para obtener mejores resultados.

Este estudio investiga fenómenos de captura de electrones asistidos por el entorno que involucran átomos de bario y rubidio.

Explorando cómo el agua ayuda a la unión de electrones a cationes en sistemas biológicos.

IMSRG-Net usa aprendizaje automático para simplificar cálculos complejos de física nuclear.

Explorando cómo el muestreo mejorado y el aprendizaje automático mejoran las simulaciones de dinámica molecular.

Una técnica pionera combina el aprendizaje profundo y la física para obtener imágenes más rápido.

Un nuevo enfoque para modelar fluidos usando machine learning y variables ocultas.

La investigación aborda las corrientes espurias en simulaciones microfluídicas usando viscosidad artificial.

Un nuevo método mejora la precisión y la eficiencia en simulaciones de transporte de neutrones.

Una mirada a los beneficios y desafíos del pipelining en circuitos mecánicos moleculares.

Las microsferas de proteinoides ofrecen propiedades únicas para la computación y la medicina.

El paquete WFL simplifica las simulaciones atómicas y los potenciales interatómicos de aprendizaje automático.

Investigación sobre cómo los láseres potentes cambian el comportamiento de las partículas y las fuerzas fundamentales.

EquiformerV2 mejora la precisión y la velocidad en las predicciones de sistemas atómicos.

HamLib ofrece una biblioteca diversa de Hamiltonianos para la investigación en computación cuántica.

La investigación sobre los STOs vórtices muestra buenas perspectivas para la computación avanzada usando dinámicas caóticas.

Un nuevo método de computación en reservorios magnéticos usa voltaje para un procesamiento de datos eficiente en energía.

Nuevo enfoque de aprendizaje automático mejora el análisis de estructuras de nanoclústeres metálicos.

Este artículo habla sobre cómo la polarización electrónica influye en la espectroscopía a nivel de núcleo en gases nobles.

Mol-GDL mejora las predicciones moleculares al integrar interacciones covalentes y no covalentes.