Física - Física computacional

Nuevo método mejora las simulaciones moleculares y el análisis en química computacional.

Nuevos enfoques en la ciencia de materiales utilizan redes neuronales para predecir comportamientos de materiales no lineales.

Un nuevo enfoque automatizado mejora los cálculos de espectroscopía vibracional para materiales complejos.

Explorando la importancia de los números de Chern en materiales cuánticos y sus propiedades únicas.

FEONet combina el aprendizaje profundo y métodos numéricos para resolver PDEs paramétricas de manera eficiente.

Nuevas técnicas mejoran las predicciones del comportamiento de fluidos complejos en varias industrias.

Una mirada a cómo las redes sísmicas analizan los terremotos en cuatro regiones clave.

Los investigadores mejoran la comprensión de las interacciones de la luz usando simulaciones por computadora de formas simétricas.

Este estudio revela cómo la posición del CO2 en el oro altera las energías de inyección de carga.

Los investigadores usan redes neuronales para modelar mejor materiales no estequiométricos complejos.

Un nuevo marco mejora las simulaciones de plasma para aplicaciones científicas.

Este artículo habla sobre cómo dos partículas interactúan y se mueven bajo fuerzas externas.

Examinando la efectividad y limitaciones de los modelos generativos en la creación de materiales.

QERaman mejora el análisis de espectroscopia Raman para la investigación de materiales.

Explora técnicas numéricas que mejoren las simulaciones de sistemas hamiltonianos.

Nuevos métodos sin malla mejoran la comprensión de la estabilidad del flujo de fluidos.

Combinar métodos tradicionales con redes neuronales mejora la eficiencia y precisión de la asimilación de datos.

Un paquete de software para estudiar las estructuras electrónicas de los materiales a través de simulaciones.

Un nuevo método mejora el análisis de sistemas complejos al centrarse en los clústeres.

Este artículo examina la sinergia entre la computación cuántica y los métodos de Monte Carlo en la ciencia.

Una exploración de la formación de agujeros negros a través de modelos matemáticos y nuevas técnicas.

Nuevo método PBMG mejora la eficiencia de muestreo en modelos de red y regiones críticas.

Nuevos métodos mejoran la evaluación de riesgos para aneurismas cerebrales mediante modelado avanzado.

Examinando la relación entre bandas planas y propiedades magnéticas en materiales específicos.

Aprende prácticas clave para mejorar el entrenamiento de redes neuronales informadas por la física.

Los PIBI-Nets simplifican la resolución de PDE usando datos de frontera, mejorando la eficiencia y la precisión.

Un nuevo enfoque mejora las predicciones de propiedades del vidrio con aprendizaje automático y conocimiento experto.

Nuevo método mejora el estudio del comportamiento de partículas en materia activa.

Un nuevo método para modelado molecular eficiente que respeta las simetrías físicas.

Combinar la tomografía de estado cuántico con el aprendizaje automático mejora la precisión y la eficiencia.

Un nuevo método mejora la precisión en la selección de modelos en medio de la incertidumbre de los datos.

La investigación arroja luz sobre la estructura y estabilidad de los nanodiscs con apoE3.

Un modelo de machine learning mejora las predicciones de propiedades moleculares de manera eficiente.

Explorando cómo los electrones fugados impactan la estabilidad del tokamak y la investigación sobre fusión.

MolSieve ayuda a los investigadores a analizar simulaciones de dinámicas moleculares complejas de manera eficiente.

Este trabajo habla sobre métodos numéricos para simular sistemas cuánticos abiertos y su efectividad.

Una nueva biblioteca ayuda a simular sistemas cuánticos bidimensionales usando redes tensoriales.

Un nuevo modelo mejora las predicciones para la histeresis magnética en materiales.

Un nuevo modelo que simplifica el estudio de las interacciones atómicas.

Nuevas técnicas prometen aceleración de partículas de alta energía usando métodos de campo de despertar láser.