903 件の論文
計算物理学は、複雑な自然現象をコンピューターシミュレーションで解き明かす分野です。実験だけでは観測が難しい宇宙の成り立ちや、分子レベルの微細な動きまで、数式をプログラム化して可視化し、現実のメカニズムを紐解きます。
Gist.Science では、arXiv に公開される計算物理学の最新論文をすべて対象に、専門家による詳細な技術解説と、誰でも理解できる平易な要約を常時提供しています。専門用語に頼らず、研究の核心を伝えることで、この分野の最前線を広く開くことを目指しています。
以下に、arXiv から新たに追加された計算物理学の論文リストを掲載します。最新の研究動向を、それぞれの要約とともにご覧ください。
本論文は、大規模渦シミュレーションにおける複雑な乱流火炎の精度を維持しつつメモリ要件を大幅に削減するために、適応的表計算データベースの剪定領域を学習済みニューラルネットワークが動的に置換するハイブリッド型インシチュ機械学習手法であるNeural-ISAMを導入する。
jNO は、データ駆動型アプローチと物理情報型アプローチを単一の記号的トレーシングシステムに統合することで、ニューラル演算子および基盤モデルの学習を効率化する統合された JAX ネイティブライブラリであり、コードの再構成なしに演算子回帰、メッシュ対応残差評価、PDE 制約最適化間のシームレスな移行を可能にします。
本論文は、第一原理量子化学における高次テンソル演算の計算コストを削減する極めて効率的な計算プリミティブとして確率的テンソル縮約を導入し、特に結合クラスター理論が平均場スケーリングで化学的精度を達成し、既存の局所相関近似を速度と誤差の両面で大幅に凌駕することを可能にするものである。
本論文は、14,000 件を超える部品レベルおよび 825 件の車両全体衝突シミュレーションから構成される大規模なオープンソースベンチマーク「CarCrashNet」と、自動車安全性におけるデータ駆動型かつ AI 活用型の構造衝突予測および再現可能な研究を可能にする階層的ニューラルソルバー「CrashSolver」を紹介する。
本論文は、局所的な光シフト符号化と最適化された量子アニーリングプロトコルを通じて問題を QUBO 形式へマッピングし、問題の複雑さを定量化するための一般化された困難度パラメータを導入しながら、リドバーグ量子アニーラ上で多様な NP 困難な組合せ最適化問題を解決するための統合フレームワークを提示する。
本研究は、機械学習力場を活用した面分解吸着エネルギー分布フレームワークを導入し、多様な合金表面における140万の吸着サイトを解析することで、CO水素化反応において活性とメタノール選択性の両方を最適化する特定の組成と配向を同定するものである。
本論文は、3 次元超弾性微細構造の代理モデルに対する学習および推論の計算コストを劇的に削減しつつ、力学的平衡を保ち、正確な応力予測を可能にするために、平衡ニューラルオペレーターと QR 法に基づく離散経験的補間を組み合わせる、物理情報に基づく低次元演算子学習フレームワークを導入する。
本論文は天体物理学的 MHD 数値シミュレーションにおける拘束輸送法とデナーの混合発散除去法を体系的に比較し、局所的な磁場や急激な時間刻み変化を伴うシナリオにおいて後者が顕著なアーティファクトや不正確さを引き起こし得ることを明らかにするとともに、拘束輸送法が一般的により正確かつ信頼性が高いことを示唆し、さらに発散除去法の堅牢性を向上させるための具体的な修正を提案する。
本論文は、パラメータ変動と原子間ポテンシャルの関数形式の不適切さの両方に起因する不確実性を評価するために並列温度マルコフ連鎖モンテカルロ法を活用し、シリコンのスティリンガー・ウィーバーポテンシャルを用いて実証した、OpenKIM フレームワーク内の KLIFF パッケージに対する不確実性定量化ツールの拡張を導入する。
本論文は、関心のある量を正確に予測するために最小かつ高価値の訓練データを選択する際にフィッシャー情報行列を活用する、スケーラブルで凸最適化に基づく情報マッチング手法を提示し、これにより多様な科学モデリングおよび能動学習応用におけるデータ不足とパラメータの非識別性の問題に対処する。