A Physics-Informed B-Spline Framework for Continuous Approximation of Flow Data
本論文は、テンソル積Bスプラインを利用して、データの忠実度と支配的な物理法則とのバランスを取るように制御点を最適化することで、不整合な入力データからでも物理的に一貫した結果を保証する、連続的かつ微分可能な流場再構成を生成するフレームワークである、物理情報に基づく多変数関数近似（PI-MFA）を導入するものである。
🔬 Category
physics.comp-ph
879 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。
Towards Critical Branching Mechanism in Recurrent Neural Networks
本論文は、最適に訓練された小規模なLSTMネットワークが、臨界近傍の分岐ダイナミクスとスケールフリーなアバランチ統計を示す一方で、より大規模なモデルは劣臨界状態に留まることを示し、異質なダイナミクスがいかにして依然として堅牢な長距離時間相関を生成し得るかを、提案された混合分岐過程の枠組みによって説明するものである。
An adaptive framework for the axisymmetric pulsar magnetosphere using physics-informed Kolmogorov-Arnold networks
本論文は、適応型コルモゴロフ・アーノルド・ネットワークと自動化されたトレーニング・パイプラインを活用することで、従来の物理情報ニューラルネットワーク（PINN）の手法と比較して、収束速度の著しい向上、手動チューニングの削減、および極端な空間スケールの解像能力を実現し、極めて高精度で自己整合的な軸対称パルサー磁気圏解を達成するオープンソース・フレームワークであるPulsarXを紹介するものである。
Bounding the Null Space: Interval-Based Uncertainty Quantification for Non-Identifiable Groundwater Models
本論文は、区間演算とマコーミック緩和を用いて、非同定な地下水モデルに対してサンプリングフリーの保証された不確実性境界を提供し、同時に、特定の符号および非回転制約を通じて非物理的な回転流の課題に対処する、最適化ベースの境界タイトニング（OBBT）フレームワークを提案するものである。
Modeling intercalation chemistry with multi-redox reactions by sparse lattice models in disordered rocksalt cathodes
本論文は、希薄回帰に基づくクラスター展開と半グランドカノニカル・モンテカルロ・サンプリングを組み合わせた手法を導入することで、無秩序ロックスォルト正極のインターカレーション熱力学を効率的にモデル化し、LiMnNbOFにおけるMnと酸素の還元寄与を解明しつつ、実験による電圧プロファイルを再現することに成功した。
Bayesian Multistate Bennett Acceptance Ratio Methods
本論文は、自由エネルギーの事後分布を計算することで、より正確な不確実性の推定を可能にし、表面の滑らかさといった事前知識を自由エネルギー計算に組み込むことを可能にする、マルチステート・ベネット受容比（MBAR）法のベイズ的一般化であるBayesMBARを導入するものである。
Consensus-based adaptive sampling and approximation for high-dimensional energy landscapes
本論文は、高次元のエネルギーランドスケープに対してサロゲートモデルの構築とサンプル生成を同時に行うミニマックス最適化問題を解決するために、位相空間探索と事後残差に基づく適応的サンプリングを統合したコンセンサスベースのフレームワークを提示し、複雑な生体分子システムにおける自由エネルギー面の効率的な近似を効果的に実現するものである。
Machine-Learning-Guided Insights into Solid-Electrolyte Interphase Conductivity: Are Amorphous Lithium Fluorophosphates the Key?
本研究は、機械学習と拡散ベースの構造予測を活用することで、固体電解質界面（SEI）の主要成分である非晶質ジフルオロリン酸リチウム（）が、構造的無秩序と豊富な格子間欠陥に起因する高いイオン伝導性を有していることを明らかにし、非晶質混合アニオン相がリチウムイオン電池における主要な高速イオン伝導経路であることを示唆している。
Exact Boundary Enforcement Along Implicit Geometries for Physics-Informed, Deep Learning Problems in Continuum Mechanics
本論文は、弾性力学問題における物理情報に基づくニューラルネットワーク（PINN）の精度と学習効率に対する、ソフト境界強制手法とハード境界強制手法の影響を調査し、暗黙的な幾何形状におけるトラクション条件のハード強制は実行時間を短縮する一方で、ソフト強制と比較して解の精度が犠牲になることが多いことを示している。
Agentic multi-fidelity learning of quasiparticle and excitonic properties
本論文は、GW-Bethe-Salpeter計算における数値的不安定性を診断するために構造的エージェントを採用し、歪んだMoS2-WS2バイレイヤーにおける準粒子および励起子特性を正確に予測するために機械学習による補正を適用する、エージェント誘導型マルチフィデリティ学習フレームワークを紹介するものであり、数値的な脆弱性の明示的な検出が、励起状態材料の信頼性の高いサロゲートモデリングにとって不可欠であることを実証している。