Physique - Physique informatique

Exploration du rôle de l'IA dans la prédiction des structures protéiques à travers les séquences de copolymères.

Cette recherche examine comment la triangularité influence la turbulence dans le plasma des tokamaks.

Explorer les mécanismes des réacteurs nucléaires modérés au graphite utilisant du combustible gazeux.

Une nouvelle méthode améliore les mesures d'incertitude dans les potentiels interatomiques en apprentissage automatique.

La recherche évalue deux codes pour modéliser le comportement du plasma dans les tokamaks.

Une nouvelle approche améliore la précision dans la modélisation des mouvements tectoniques et des processus géologiques.

Une nouvelle méthode pour estimer les barrières d'énergie dans les transitions entre états stables.

Les solides actifs changent de forme et de mouvement, affectant des domaines variés comme la robotique et la médecine.

Les techniques d'apprentissage automatique améliorent la reconstruction de la densité actuelle à partir des champs magnétiques.

ELEQTRONeX améliore la compréhension du transport hors équilibre dans les nanomatériaux.

Des chercheurs simulent de petites structures moléculaires qui agissent comme des interrupteurs mécaniques pour des applications avancées.

Cette méthode simplifie la façon dont les scientifiques calculent les fonctions de partition en utilisant des réseaux de tenseurs.

Cet article explore comment les dynamos héliques et non héliques génèrent des champs magnétiques.

De nouvelles méthodes améliorent la compréhension des propriétés électroniques dans les matériaux.

Des recherches montrent des améliorations dans l'argyrodite au lithium pour des batteries plus sûres et plus efficaces.

Des recherches montrent un changement de polarisation efficace dans des ferroélectriques 2D glissants.

Un nouvel outil simplifie la création de surfaces d'énergie potentielle pour la recherche en chimie.

Explorer l'utilisation des noyaux quantiques pour prédire les surfaces d'énergie moléculaire.

Des recherches montrent comment la contrainte mécanique modifie les caractéristiques électroniques du graphène.

La méthode de Tao offre un moyen simple de maintenir la structure symplectique dans les simulations.

Combiner l'IA et les données expérimentales pour améliorer les mesures et prédictions de turbulence.

Des métamatériaux innovants avec des propriétés uniques pourraient transformer les applications technologiques.

COLOSS simplifie la recherche sur la diffusion nucléaire grâce à des techniques de calcul avancées.

Cet article passe en revue plusieurs techniques pour l'average d'orientation en physique moléculaire.

Examen de comment les particules actives changent les formes et les comportements des gouttelettes.

De nouvelles méthodes améliorent l'entraînement et la performance des Réseaux Kolmogorov-Arnold informés par la physique.

Cet article présente une approche nouvelle utilisant des réseaux de neurones pour étudier des flux complexes.

Cet article parle d'utiliser l'apprentissage automatique pour résoudre des problèmes de physique avec des équations différentielles.

La recherche sur les ondes de plasma d'électrons éclaire la dynamique du plasma et les interactions des ondes.

Une nouvelle méthode améliore la précision des simulations pour les collisions de particules dans le plasma.

Utiliser l'apprentissage automatique pour analyser les spin foams en gravité quantique.

Étudier les interactions quantiques et classiques dans les processus chimiques en utilisant la théorie NEO.

REMIX améliore les simulations fluides en s'attaquant à des problèmes clés des méthodes SPH traditionnelles.

Une méthode pour analyser les comportements des fluides aux frontières et interfaces nettes.

Des techniques avancées pour capturer des images à l'échelle atomique améliorent la compréhension des matériaux.

Venise permet des simulations astrophysiques plus précises en adaptant efficacement différents processus.

L'algorithme BMach améliore la précision dans la prédiction des propriétés électroniques des matériaux.

Étudier comment des formes conçues forment des matériaux liquides cristallins uniques.

Des chercheurs utilisent l'apprentissage profond pour classer les dichalcogénures de métaux de transition à partir d'images AFM.

Un aperçu de la modélisation CSEM pour l'exploration des ressources et la recherche géologique.