Artigos mais recentes para Ciência Computacional

Simplifique simulações de problemas complexos usando modelos de ordem reduzida e estratégias de gestão eficazes.

Explorando o método de Galerkin descontínuo hibridizado para dinâmica de fluidos.

Uma nova abordagem usando aprendizado por reforço melhora a eficiência da diagonalização de estados quânticos.

SpComp melhora a eficiência em cálculos de matrizes esparsas através de otimização esperta.

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

Novos métodos melhoram a velocidade e a precisão das simulações de escoamento compressível.

Estude como caminhadas quânticas revelam comportamentos complexos de partículas em sistemas quânticos.

Uma nova abordagem melhora a geração de conformes moleculares para a descoberta de medicamentos.

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

Melhorando previsões de plasma através de métodos computacionais avançados para fusão nuclear.

Explorando o papel dos métodos de homotopia na teoria de clusters acoplados para melhores soluções em química quântica.

Pesquisadores usam aprendizado de máquina pra melhorar simulações de partículas no Grande Colisor de Hádrons do CERN.

Um novo método de projeção melhora a precisão na simulação de fluxos de fluidos.

Este estudo analisa as condições para inserir k-fatores em hipergrafos k-partidos.

Este estudo foca em calcular PDFs pra entender a estrutura do nucleon.

Esse artigo explora uma estrutura pra gerenciar o barulho em computadores quânticos por meio de correção parcial de erros.

Um olhar sobre as equações de transporte e sua importância em várias áreas.

Explorando métodos e aplicações de equações diferenciais parciais estocásticas em várias áreas.

Um novo algoritmo melhora a velocidade de resolução das equações de Poisson-Boltzmann modificadas para sistemas carregados.

PINNsFormer melhora a precisão na resolução de equações diferenciais parciais usando estruturas avançadas de Transformer.

Novas ferramentas melhoram a análise das estruturas cristalinas e suas propriedades.

Explorando tensores de ponto fixo e seu papel em sistemas críticos.

Novos métodos adaptativos melhoram a inferência bayesiana com Monte Carlo Hamiltoniano.

Explorando a eficiência do Operador Neural Hiena na resolução de equações diferenciais parciais.

As atualizações do LHCb têm o objetivo de melhorar o processamento de dados para pesquisas de partículas.

PPIscreenML melhora a precisão na identificação de interações proteicas usando técnicas avançadas de aprendizado de máquina.

Um novo framework melhora as previsões para PDEs hiperbólicas complexas com descontinuidades.

Pesquisadores apresentam um modelo para estudar líquidos quânticos de spin e suas interações ambientais.

Aprendizado de máquina melhora a teoria do funcional de densidade para fluidos inhomogêneos.

Examinando a estabilidade das ondas em equações matemáticas ao longo do tempo.

Previsões eficazes a partir de simulações limitadas para interações explosivas de jatos complexos.

Um novo método pra medir entrelaçamento quântico usando a entropia de entrelaçamento SVD revela conexões mais profundas.

O GACN combina GCL e GAN pra melhorar o aprendizado de representação de grafos.

Pesquisadores melhoram a filtragem de dados nos experimentos Belle II usando redes neurais pra identificar eventos relevantes.

Explorando como arranjar estados quânticos pra extrair informações melhor.

Novo método simplifica simulações para problemas físicos complexos.

Um guia para o método de Raviart-Thomas para resolver problemas de valor de contorno.

Explorando a estimativa bayesiana para medição precisa de temperatura na termometria quântica.

Entender a decoerência é essencial pra avançar nas tecnologias de computação quântica.

Descubra como a computação avançada tá transformando os métodos de engenharia de proteínas.