Docta Complutense
Open Access Institutional Repository of the Complutense University of Madrid, that compiles scientific production to promote the visibility and impact of Complutense research.
With the collaboration of the Ministerio de Ciencia e Innovación and the Spanish Foundation for Science and Technology (FECYT).
Recent Submissions
Quantum computing hadron fragmentation functions in light-front chromodynamics
(Physical Review D, 2026) Gálvez Viruet, J. J.; Llanes Estrada, Felipe José; Martínez de Arenaza, Nicolás; Gómez Rocha, María; Hobbs, T. J.
We deploy quantum chromodynamics in light-front quantization (and gauge), discretized and truncated in both Fock and momentum spaces with a particle-register encoding suited for quantum simulation; we show for the first time how to calculate fragmentation functions, a problem heretofore untractable in general from ab initio approaches. We provide a classical-simulator-based proof of concept by computing the charm-to-charmonium fragmentation, c -> J=psi, in a simplified setup, an interesting case where we can (reasonably) compare with the known 1993 perturbative evaluation (and a more recent one at next-toleading order) within nonrelativistic QCD.
Evaluación de los modelos de previsión meteorológica basados en inteligencia artificial en Sudamérica
(2026) Gómez Lino, Thalia Maricet; Collazo Inglesini, Soledad Maribel; García Herrera, Ricardo Francisco
La inteligencia artificial (AI) ha permitido el desarrollo de modelos de predicción meteorológica capaces de alcanzar una precisión comparable o incluso superior a la de los modelos dinámicos tradicionales. Sin embargo, su capacidad para representar fenómenos extremos y los procesos físicos asociados sigue siendo poco explorada, especialmente en Sudamérica. Este trabajo analiza el desempeño de tres modelos de AI (FourCastNet-v2, Pangu-Weather y GraphCast) y del modelo numérico Global Forecast System (GFS) durante las cuatro olas de calor más extensas registradas en el sur de Sudamérica en el verano austral 2022/2023, utilizando los reanálisis ERA5 y MERRA-2 como referencia. La evaluación se realiza mediante métricas estadísticas aplicadas a las principales variables atmosféricas. Además, se incluye una caracterización multiparamétrica de la corriente en chorro en niveles superiores junto con un análisis del balance termodinámico en la baja troposfera. Los resultados muestran que los modelos de AI presentan un desempeño adecuado y comparable al del GFS en la representación de los eventos analizados. Frente a MERRA-2 se observa un comportamiento similar entre todos los sistemas, mientras que respecto a ERA5 los modelos de AI destacan por menores errores en variables de superficie, siendo Pangu-Weather el modelo más consistente. Asimismo, los modelos reproducen correctamente las principales características de la corriente en chorro y los mecanismos dominantes de la evolución térmica durante las olas de calor, aunque muestran una tendencia general a suavizar las amplitudes extremas. En conjunto, los resultados indican que los modelos de AI constituyen una herramienta robusta para la predicción de olas de calor en Sudamérica, al representar adecuadamente tanto la circulación atmosférica de gran escala como los procesos físicos asociados a estos eventos extremos.
Harvested by
