Derniers articles pour Science computationnelle

De nouvelles méthodes boostent l'efficacité dans l'analyse des données expérimentales en physique des astroparticules.

Un modèle d'apprentissage automatique spécialisé améliore l'efficacité et la précision de l'analyse des données de particules.

Des recherches dévoilent des détails clés sur les hadrons exotiques et leurs interactions.

De nouvelles méthodes améliorent la prédiction et l'ingénierie de la structure de l'ARN grâce à des techniques avancées d'apprentissage automatique.

Un nouveau cadre pour une correction d'erreur quantique efficace grâce à un codage dynamique.

Un aperçu de la thermodynamique et des propriétés des gaz quantiques.

La recherche explore les effets de la mesure sur les systèmes quantiques et les stratégies d'atténuation des erreurs.

Ce nouveau modèle améliore les prévisions et l'analyse de la diffusion grâce à la dynamique énergétique.

Une nouvelle méthode utilise l'apprentissage profond pour améliorer les calculs d'énergie des systèmes quantiques à plusieurs corps.

Les états de Nash offrent de nouvelles perspectives sur les systèmes quantiques en utilisant des concepts de la théorie des jeux.

De nouvelles méthodes améliorent la compréhension des interactions et des comportements moléculaires.

Une nouvelle méthode prédit l'espacement optimal des mailles pour les simulations de fluides, améliorant l'efficacité.

Un nouvel algorithme améliore l'échantillonnage en dynamique moléculaire en utilisant des flux de normalisation et des variables collectives.

Cette étude présente des réseaux de tensor-train pour améliorer la précision et l'efficacité des simulations de flux.

Une nouvelle méthode améliore la précision dans les problèmes de réaction-diffusion à perturbation unique.

Cet article parle des codes à quatre qudits pour une correction d'erreurs efficace en informatique quantique.

Une nouvelle fonction de perte, Astral, améliore les performances des réseaux de neurones informés par la physique.

Examiner le comportement des fluides avec une méthode numérique pour mieux comprendre.

Des recherches montrent que les méthodes de conditionnement améliorent la génération de molécules ressemblant à des drogues.

Une nouvelle méthode améliore l'efficacité de la propagation des ondes.

Un nouvel algorithme améliore l'estimation des états propres dans les systèmes quantiques.

Une nouvelle méthode améliore l'analyse de jeux de données complexes en utilisant des techniques avancées.

Découvre le rôle de l'apprentissage par opérateur dans l'avancement des prédictions basées sur les données dans différents domaines.

Explorer les dynamiques des étoiles à neutrons grâce à des simulations et des observations avancées.

Ces modèles aident les scientifiques à créer des structures moléculaires 3D complexes pour le développement de médicaments.

Une nouvelle approche améliore l'évolutivité de l'informatique quantique avec des conceptions modulaires.

qFit-ligand aide à mieux comprendre les formes des ligands et les interactions avec les protéines.

Explorer de nouvelles méthodes pour des simulations de systèmes quantiques plus efficaces.

Des découvertes récentes montrent la présence et l'importance de la magie quantique dans les expériences sur le quark top.

SWIRL simplifie les workflows scientifiques complexes pour plus d'efficacité et d'interopérabilité.

La recherche améliore les simulations des systèmes binaires, ce qui aide à mieux comprendre les ondes gravitationnelles.

Améliorer les méthodes quantiques pour résoudre l'équation de Poisson en dynamique des fluides.

Deux nouvelles méthodes pour des solutions efficaces dans les équations et inclusions en utilisant la réduction de variance.

Explorer l'entropie d'enchevêtrement et son importance en mécanique quantique.

Les ONG utilisent des réseaux de neurones pour simplifier la résolution d'équations différentielles partielles complexes de manière efficace.

Une nouvelle métrique offre des idées sur l'apprentissage des circuits quantiques sans avoir besoin d'une formation intensive.

GFN-ROM améliore la réduction de l'ordre du modèle en utilisant des réseaux de neurones graphiques pour des simulations efficaces.

Des chercheurs améliorent l'identification des glueballs en utilisant un algorithme à deux niveaux dans la QCD sur réseau.

NeuralSCF combine l'apprentissage automatique avec la DFT pour une analyse efficace de la structure électronique.

Une nouvelle méthode améliore l'efficacité de l'entraînement pour des équations complexes en utilisant un redimensionnement variable.