Fisica - Fisica computazionale

La ricerca rivela l'importanza delle fusioni di stelle di neutroni e il ruolo delle simulazioni.

Un nuovo modello prevede comportamenti turbolenti, aiutando i futuri progetti di reattori a fusione.

Uno sguardo all'importanza e alle sfide della teoria dei cluster accoppiati in chimica.

Presentiamo FB-LTS, un metodo che migliora l'efficienza nelle simulazioni in acque poco profonde.

Uno strumento progettato per semplificare la raccolta delle proprietà dei materiali dalla letteratura scientifica.

La ricerca fa luce sui difetti nel bromuro di piombo cesio per l'efficienza delle celle solari.

Investigare le somiglianze tra DNN e vetri strutturali.

Una panoramica dei Metodi a Punto Materiale e delle loro applicazioni nello studio dei materiali.

I ricercatori usano simulazioni per studiare il comportamento dei cristalli di ioni per la scienza quantistica.

Esplorare il ruolo delle reti tensoriali nel migliorare l'efficienza dell'inferenza probabilistica.

Le LENNs offrono un nuovo approccio per modellare in modo efficiente sistemi fisici complessi.

I ricercatori semplificano le reti neurali per svelare intuizioni fondamentali sulla memoria e sul processo decisionale.

Le funzioni d'onda neurali e i Pfaffiani migliorano notevolmente le previsioni di chimica quantistica.

Un nuovo metodo migliora l'addestramento delle reti neurali che risolvono equazioni differenziali parziali.

Migliorare le misure di velocità aiuta a rendere più realistici i modelli del comportamento delle particelle in diversi campi scientifici.

Impara come applicare condizioni al contorno trasparenti per risolvere numericamente l'equazione di Schrödinger.

Questo studio svela nuove intuizioni sulla turbolenza negli ambienti spaziali.

I ricercatori migliorano le simulazioni di plasma con un nuovo metodo di integrazione numerica.

Un nuovo metodo basato sull'IA migliora l'efficienza nella Full Waveform Inversion.

RKGC migliora l'accuratezza e la coerenza nelle simulazioni fluide utilizzando SPH.

Questo articolo parla di come il machine learning aiuti nella progettazione di materiali microstrutturati.

Uno studio rivela nuove informazioni sul comportamento degli idrogel sotto stress.

La ricerca svela comportamenti complessi degli elettroni in MATBG usando tecniche computazionali avanzate.

Nuovi algoritmi migliorano le previsioni degli stati fondamentali quantistici usando dati limitati.

Un nuovo metodo combina l'apprendimento automatico con il coarse graining per migliorare la modellazione dei materiali.

Un nuovo metodo migliora la velocità e l'accuratezza della previsione della densità di carica.

Un nuovo metodo usa il deep learning per migliorare i calcoli dell'energia nei sistemi quantistici a molti corpi.

questo articolo parla di metodi innovativi per scoprire leggi di conservazione in vari campi scientifici.

Combinare metodi quantistici e classici per affrontare le equazioni del moto dei fluidi.

Combinare fisica e geometria per migliorare le previsioni di scattering acustico.

Una panoramica dei flussi bifasici e dei modelli numerici che li studiano.

Nuove tecniche di ptychografia multi-focale migliorano l'imaging di materiali spessi su scala atomica.

Uno sguardo agli SPIM e al loro potenziale nei problemi di ottimizzazione.

Esplorando il metodo del potenziale efficace ottimizzato per calcoli di forza precisi nei materiali.

Una guida rapida per scrivere e inviare articoli scientifici in modo efficace.

Una nuova funzione di perdita, Astral, migliora le prestazioni delle reti neurali informate dalla fisica.

Nuovi metodi migliorano la modellazione dei problemi elettromagnetici con interfacce usando reti neurali.

Un nuovo algoritmo migliora la stima degli autostati nei sistemi quantistici.

I ricercatori studiano comportamenti inaspettati nei flussi fluidi attraverso le equazioni di Eulero e le singolarità.

Scoperte recenti rivelano che i pulsar a bassa rotazione potrebbero emettere segnali, cambiando le nostre conoscenze.