Física - Física Computacional

Este artigo analisa como a frequência de acionamento influencia a dinâmica dos elétrons em plasma acoplado capacitivamente.

Um novo método melhora a precisão do modelo para padrões de copolímero dibloque usando dados de imagem.

Um novo método melhora as simulações de interações de fluidos em duas fases para aplicações industriais.

Novos métodos melhoram a simulação de materiais eletromagnéticos dinâmicos e suas aplicações.

Um novo método melhora o treinamento de deep learning para análise de dados científicos em alta resolução.

Pesquisadores criam um modelo de computador híbrido pra estudar as respostas de tumores a medicamentos.

Novos modelos autorregressivos melhoram a amostragem e a representação de estados quânticos complexos.

Explorando o comportamento de átomos de metal individuais em superfícies de diamante dopadas com boro.

Este estudo explora o impacto dos efeitos de memória nas equações de Kadanoff-Baym e HF-GKBA.

Novos métodos alinham partículas para uma imagem mais clara das estruturas moleculares.

Este estudo detalha uma técnica para selecionar observáveis em sistemas complexos.

EDDPs melhoram simulações e previsões em ciência dos materiais.

O TensorNet melhora as previsões moleculares usando representações tensorais eficientes.

Explorando a condutividade térmica no CsPbBr e suas implicações para aplicações de materiais.

Um novo modelo de rede neural melhora as simulações do crescimento de superfícies em várias condições de ruído.

Uma visão geral das equações de momento em água rasa e sua importância na dinâmica de fluidos.

Uma abordagem nova melhora a precisão na modelagem de dinâmica de fluidos.

Um método para calcular campos elétricos a partir de distribuições de carga gaussiana de forma eficiente.

Pesquisadores estudam hidretos de lítio, revelando que não há supercondutividade convencional apesar de alegações recentes.

Um olhar sobre métodos para simplificar equações cinéticas e garantir a estabilidade da simulação.

A pesquisa melhora as reações de pares radicais usando campos magnéticos pra resultados melhores.

Este estudo investiga fenômenos de captura de elétrons assistidos pelo ambiente que envolvem átomos de bário e rubídio.

Explorando como a água ajuda na fixação de elétrons em cátions em sistemas biológicos.

O IMSRG-Net usa aprendizado de máquina pra simplificar cálculos complexos de física nuclear.

Explorando como a amostragem aprimorada e o aprendizado de máquina melhoram as simulações de dinâmica molecular.

Uma técnica inovadora combina aprendizado profundo e física pra imagens mais rápidas.

Uma nova abordagem para modelagem de fluidos usando aprendizado de máquina e variáveis ocultas.

A pesquisa trata das correntes espúrias em simulações microfluídicas usando viscosidade artificial.

Um novo método melhora a precisão e a eficiência em simulações de transporte de nêutrons.

Uma olhada nos benefícios e desafios do pipelining em circuitos mecânicos moleculares.

Microsferas de proteinoides oferecem propriedades únicas para computação e medicina.

O pacote WFL simplifica simulações atomísticas e potenciais interatômicos de aprendizado de máquina.

Pesquisa sobre como lasers poderosos mudam o comportamento das partículas e as forças fundamentais.

O EquiformerV2 aumenta a precisão e a velocidade nas previsões de sistemas atômicos.

HamLib oferece uma biblioteca diversificada de Hamiltonianos para pesquisa em computação quântica.

Pesquisas sobre STOs em vórtice mostram potencial para computação avançada usando dinâmicas caóticas.

Novo método de computação em reservatório magnético usa voltagem para processamento de dados com eficiência energética.

Nova abordagem de aprendizado de máquina melhora a análise de estruturas de nanoclusters metálicos.

Este artigo fala sobre como a polarização eletrônica influencia a espectroscopia de nível de núcleo em gases nobres.

Mol-GDL melhora as previsões moleculares ao integrar interações covalentes e não covalentes.