Physique - Physique informatique

Étudier les propriétés et les comportements des étoiles à quarks hypothétiques à l'aide de simulations numériques.

Cet article explore le rôle de l'apprentissage automatique dans la compréhension de la conductivité thermique.

Examiner la synchronisation dans les réseaux neuronaux et les réseaux électriques à travers des états de type chimère.

Une nouvelle méthode améliore la simulation des flux de fluides avec des changements soudains.

Explore l'algorithme pVQD adaptatif qui améliore efficacement les simulations d'état quantique.

La recherche se concentre sur de nouveaux matériaux de cathode pour améliorer la performance des batteries.

Un aperçu des modèles à grain épais pour de meilleures simulations de polymères.

De nouvelles techniques améliorent les modèles prédictifs pour les interactions chimiques en utilisant des ensembles de données variés.

Des recherches montrent des facteurs qui pourraient améliorer l'efficacité des cellules solaires à base de ZnO.

Les chercheurs utilisent des GNN pour améliorer l'efficacité et la précision des simulations d'écoulement de fluides.

Cette étude examine comment le bruit influence le mouvement et la reproduction des groupes de cellules.

DeePTB utilise l'apprentissage profond pour des simulations de propriétés des matériaux plus rapides et précises.

Un aperçu de l'autoionisation et son impact sur le comportement moléculaire.

Cet article présente une nouvelle méthode pour résoudre des problèmes à conditions initiales en physique.

WHFast512 accélère les simulations planétaires, aidant les études scientifiques sur les mouvements célestes.

Cet article parle du potentiel de l'informatique quantique pour simuler le comportement des fluides et des défis associés.

Une nouvelle méthode combine l'apprentissage automatique avec la mécanique classique pour analyser des systèmes physiques.

Trotter24 améliore les simulations quantiques avec une sélection de pas de temps adaptative et un contrôle d'erreur efficace.

De nouvelles techniques améliorent l'efficacité du calcul des moyennes thermiques quantiques.

Une nouvelle méthode améliore les simulations de dynamique moléculaire grâce à des techniques innovantes.

LCNF améliore l'imagerie en surmontant les limitations traditionnelles grâce à l'apprentissage profond.

Des chercheurs présentent une méthode pour améliorer les calculs fermioniques dans les simulations quantiques.

Explorer l'impact de l'environnement sur les systèmes quantiques et l'utilisation des méthodes variationnelles.

Les GANs Wasserstein conditionnels s'attaquent à la rareté des données dans les applications spectrales à travers les domaines scientifiques.

Explorer le rôle des PINNs dans la résolution d'équations différentielles complexes dans différents domaines.

Une nouvelle méthode combine l'apprentissage machine et la simulation pour optimiser la sortie de rayonnement THz.

Explorer la simulation quantique variationnelle pour mieux comprendre les systèmes physiques complexes.

Explore comment la plasticité structurelle affecte l'apprentissage et la formation des souvenirs.

De nouvelles méthodes améliorent les prévisions sur le comportement des calottes glaciaires et l'élévation du niveau de la mer.

Des chercheurs ont créé un hybride de graphène et de nanotubes qui piège efficacement les hydrocarbures.

Une nouvelle méthode améliore la surveillance du stockage de CO2 souterrain.

L'étude met en avant des méthodes pour améliorer les performances de l'informatique de réservoir dans des prévisions complexes.

Des chercheurs utilisent l'apprentissage automatique pour mieux comprendre les transitions de phase dans les matériaux.

Une étude sur comment le bruit affecte les modèles de systèmes dynamiques.

Cette recherche détaille des courbes d'énergie potentielles pour les ions azote lors de l'interaction avec un laser.

Découvrez comment le CALF-20(Zn) améliore l'efficacité de capture du CO2.

Enquête sur la façon dont les courants électriques peuvent manipuler les points de Bloch dans les matériaux magnétiques.

Le code open-source améliore l'analyse des comportements des fluides et des plasmas dans différentes conditions.

Des chercheurs utilisent l'apprentissage profond pour améliorer les modèles de turbulence en dynamique des fluides.

Une nouvelle méthode améliore l'extraction des données quantiques à partir des simulations.