Fisica - Fisica computazionale

Scopri come le reti tensoriali possono trasformare varie applicazioni industriali e ottimizzare i processi.

Esplorando come il machine learning migliora l'analisi e le previsioni dei dati climatici.

Il machine learning offre spunti sul comportamento dei fluidi viscoelastici in vari settori.

Studiare i difetti nei materiali può portare a prestazioni migliori in diverse applicazioni.

Un nuovo approccio integra algoritmi quantistici e tecniche multilivello per affrontare problemi complessi.

L'uso dei modelli LSTM migliora la previsione del deflusso idrico negli studi idrologici in tutto il mondo.

Scopri come il machine learning sta cambiando il modo in cui modelliamo il comportamento dei materiali.

Nuovi metodi migliorano l'analisi dei processi di cristallizzazione dei polimeri in ambienti rumorosi.

Un nuovo approccio rivela come il disordine influisca sui materiali topologici.

Usare l'inferenza bayesiana per ricostruire campi magnetici sconosciuti a partire da dati limitati.

Un nuovo metodo migliora la ricerca degli orizzonti apparenti dei buchi neri nelle simulazioni.

Una nuova implementazione MPM migliora notevolmente le simulazioni del flusso di gas.

Usare il deep learning per analizzare la dinamica del plasma può migliorare il controllo dell'energia da fusione.

L'ottimizzazione bayesiana trasforma il controllo nei gas quantistici per risultati sperimentali migliori.

Esaminare come i valori negativi influenzano i calcoli nelle simulazioni di fisica quantistica.

Esplora come la diffusività efficace influisce sul movimento delle particelle in vari flussi fluidi.

Usando i Tensor core di Nvidia per aumentare la velocità nei calcoli della teoria della struttura elettronica.

Introducendo un approccio semplice per risolvere sistemi fisici complessi nel tempo e nello spazio.

Un nuovo metodo migliora le simulazioni di dinamica molecolare aumentando il campionamento dei dati.

Presentiamo GEM, una soluzione veloce e precisa per le equazioni di Maxwell usando reti neurali grafiche.

Uno studio sui film sottili di TbCo usando tecniche analitiche avanzate per approfondimenti strutturali.

Nuovi metodi migliorano le simulazioni di miscele di gas in ambienti a bassa pressione.

Le metastrutture fotoniche manipolano la luce per tecnologie avanzate nella comunicazione e nella sensoristica.

GROMACS integra SYCL per migliorare le prestazioni sulle GPU AMD nelle simulazioni di dinamica molecolare.

Scopri le ultime funzionalità di XtalOpt per previsioni avanzate sui materiali.

Scopri PANBB, un nuovo metodo per una rilassamento della struttura cristallina efficiente nella scienza dei materiali.

Gli eventi di particelle solari possono influenzare la sicurezza degli aerei e i livelli di radiazioni.

TRACE migliora la precisione e la velocità nella simulazione dei movimenti celesti.

Esplorare come l'energia influisce sul movimento delle molecole di cianuro di potassio.

Nuovi metodi aiutano a trovare sistemi integrabili usando l'apprendimento automatico e l'esperienza umana.

Esplora le fasi e i comportamenti dell'azoto solido in condizioni diverse.

Il calcolo quantistico aiuta a simulare sistemi chimici complessi per fare previsioni migliori.

Questo articolo esamina due metodi per risolvere l'equazione di Schrodinger-Poisson in fisica.

Questo articolo esamina gli effetti della temperatura e della viscosità sul comportamento dei polimeri.

Esplorare le onde di Marshak e le loro implicazioni per il trasferimento di energia nei materiali.

Esplorando come l'apprendimento automatico migliori l'analisi dei dati nella fisica delle particelle.

Uno sguardo alla meccanica quantistica e ai metodi numerici per il comportamento delle particelle.

La ricerca svela nuove intuizioni sui sistemi quantistici guidati da forze esterne.

Nuovi metodi migliorano lo studio delle particelle quantistiche in sistemi non in equilibrio.

Scopri come il Response Matching trasforma la generazione di materiali e molecole.