Derniers articles pour Science computationnelle

De nouvelles méthodes améliorent les prédictions du repliement et du comportement des protéines grâce à l'apprentissage automatique.

Rends les simulations de problèmes complexes plus simples en utilisant des modèles d'ordre réduit et des stratégies de gestion efficaces.

Exploration de la méthode Galerkin discontinue hybridée pour la dynamique des fluides.

Une nouvelle approche utilisant l'apprentissage par renforcement améliore l'efficacité de la diagonalisation des états quantiques.

SpComp améliore l'efficacité des calculs de matrices creuses grâce à une optimisation intelligente.

Le package WFL facilite les simulations atomistiques et les potentiels d'interaction interatomiques basés sur l'apprentissage automatique.

De nouvelles méthodes améliorent la vitesse et la précision des simulations d'écoulement compressible.

Étudie comment les marches quantiques révèlent un comportement complexe des particules dans les systèmes quantiques.

Une nouvelle méthode améliore la génération de conformères moléculaires pour la découverte de médicaments.

Mol-GDL améliore les prédictions moléculaires en intégrant des interactions covalentes et non covalentes.

Améliorer les prévisions de plasma grâce à des méthodes de calcul avancées pour la fusion nucléaire.

Explorer le rôle des méthodes d'homotopie dans la théorie des clusters couplés pour de meilleures solutions en chimie quantique.

Des chercheurs utilisent l'apprentissage automatique pour améliorer les simulations de particules au Grand collisionneur de hadrons de CERN.

Une nouvelle méthode de projection améliore la précision dans la simulation des écoulements fluides.

Cette étude examine les conditions pour intégrer des k-facteurs dans des hypergraphes k-partites.

Cette étude se concentre sur le calcul des PDF pour comprendre la structure des nucléons.

Cet article explore un cadre pour gérer le bruit dans les ordinateurs quantiques grâce à une correction partielle des erreurs.

Un aperçu des équations de transport et de leur importance dans différents domaines.

Explorer les méthodes et applications des équations différentielles partielles stochastiques dans divers domaines.

Un nouvel algorithme améliore la vitesse de résolution des équations de Poisson-Boltzmann modifiées pour les systèmes chargés.

PINNsFormer améliore la précision dans la résolution des équations différentielles partielles en utilisant des structures Transformers avancées.

De nouveaux outils améliorent l'analyse des structures cristallines et de leurs propriétés.

Exploration des tenseurs à point fixe et leur rôle dans les systèmes critiques.

De nouvelles méthodes adaptatives améliorent l'inférence bayésienne avec le Monte Carlo Hamiltonien.

Explorer l'efficacité de l'Opérateur Neural Hyène pour résoudre des équations différentielles partielles.

Les mises à niveau de LHCb visent à améliorer le traitement des données pour la recherche sur les particules.

PPIscreenML améliore la précision dans l'identification des interactions protéiques en utilisant des techniques avancées de machine learning.

Un nouveau cadre améliore les prédictions pour des PDE hyperboliques complexes avec des discontinuités.

Des chercheurs dévoilent un modèle pour étudier les liquides de spin quantique et leurs interactions avec l'environnement.

L'apprentissage automatique améliore la théorie de la fonctionnelle de densité pour les fluides inhomogènes.

Examiner la stabilité des ondes dans les équations mathématiques au fil du temps.

Prédictions efficaces à partir de simulations limitées pour des interactions complexes entre jets explosifs.

Une nouvelle méthode pour mesurer l'intrication quantique en utilisant l'entropie d'intrication SVD révèle des connexions plus profondes.

GACN combine GCL et GAN pour améliorer l'apprentissage de la représentation des graphes.

Des chercheurs améliorent le filtrage des données dans les expériences Belle II en utilisant des réseaux de neurones pour identifier les événements pertinents.

Explorer comment organiser les états quantiques pour une meilleure extraction d'informations.

Une nouvelle méthode simplifie les simulations pour des problèmes physiques complexes.

Un guide sur la méthode de Raviart-Thomas pour résoudre des problèmes de valeurs aux limites.

Explorer l'estimation bayésienne pour des mesures de température précises en thermométrie quantique.

Comprendre la décohérence est super important pour faire avancer les technologies de l'informatique quantique.