Neural Operator: Is data all you need to model the world? An insight into the paradigm of data-driven scientific ML
従来の数値計算手法の限界を克服し、離散化や解像度に依存しない特性を持つニューラルオペレーターなどのデータ駆動型アプローチが、物理学や工学の問題解決において従来手法を補完し、新たな可能性を開くことを論じています。
🔬 Category
physics.comp-ph
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。
LEDDS: Portable LBM-DEM simulations on GPUs
本論文は、GPU 上で高レベルのアルゴリズム的プリミティブのみを用いて実装されたオープンソースの LEDDS フレームワークが、複雑な流体 - 粒子相互作用シミュレーションにおいて、手動チューニングされた CUDA ソルバーと同等の性能を維持しつつ、移植性とコードの明瞭さを両立させることを実証しています。
Learning time-dependent and integro-differential collision operators from plasma phase space data using differentiable simulators
この論文は、可微分シミュレータとプラズマ位相空間データを用いて、時間変化する背景分布を考慮した衝突演算子やより一般的な積分微分演算子を学習する手法を提案し、自己無撞着な電磁粒子法シミュレーションデータによる検証で、既存の統計手法よりも高精度にプラズマの動的挙動を再現できることを示しています。
Understanding the sign problem from an exact Path Integral Monte Carlo model of interacting harmonic fermions
この論文は、調和振動子の演算子縮約恒等式を任意次元のフェルミオンに拡張することで、相互作用の有無にかかわらず符号問題の本質を解析的に解明し、特に閉殻状態では大虚時間において符号問題が消滅することを示すとともに、ニューラルネットワークと比較して量子ドットの基底状態エネルギーを高精度に計算する新しいアルゴリズムを提案しています。
Coarse-Grained Dynamics with Spatial Disorder and Non-Markovian Memory
本論文では、不均質系における粗視化ダイナミクスを構築するためのデータ駆動型手法「空間的乱れを考慮した一般化ランジュバン方程式（SD-GLE）」を提案し、変分ベイズ枠組みを用いて静的な空間的乱れと粘弾性摩擦を明確に分離することで、標準的な手法では捉えられない異常拡散の遷移や集合統計的性質を正確に再現できることを示しています。
On the hydrodynamic behaviour of the immersed boundary -- lattice Boltzmann method for wetting problems
本論文は、濡れ現象を扱う浸没境界法と格子ボルツマン法を組み合わせた数値モデルの流体力学的挙動を、境界要素法および体積流体法に基づく他のソルバーと比較検証し、その適用限界と接触線モデルの特性を明らかにするものである。
Ice as a Photochemical Shield: Adsorption Energetics and Spectroscopic Modulation of Interstellar Thiocyanates HCSCN and HCSCCH in TMC-1
本論文は、TMC-1 における HCSCN と HCSCCH の氷上吸着を計算化学的に解析し、強い結合サイトが熱的脱離を抑制する一方で紫外線吸収断面積を増大させる「生存のパラドックス」を生み出すことを明らかにした。
Autoregressive prediction of 2D MHD dynamics inferred from deep learning modeling
この論文は、2 次元理想 MHD におけるケルビン・ヘルムホルツ不安定性の時間発展を、コップマンに基づくトランスフォーマーと ConvLSTM-UNet という 2 つの深層学習モデルを用いて、物理的保存則を維持しつつ従来の数値シミュレーションよりも大幅に低コストで予測するオートレグレッシブ・サロゲートモデルを開発したことを報告しています。
Consistent control of energy dissipation in non-spherical particle contact via a structure-preserving formulation
本論文は、非球形粒子の接触において、古典的な減衰定式化の構造的な不整合を解消し、接触エネルギーと整合する一意の減衰構造を導出することで、接触点の復元係数を一貫して制御する手法を提案している。
Physics-Informed Neural Networks for Maximizing Quantum Fisher Information in Time-Dependent Many-Body Systems
本論文は、時間依存多体系における量子フィッシャー情報の最大化という課題に対し、物理情報ニューラルネットワーク（PINN）とマグナス展開を組み合わせることで、計測的に最適な制御戦略を学習する有効な枠組みを提案し、数値シミュレーションを通じてその有効性を実証したものである。