Restoring Convergence Order in Explicit Runge-Kutta Integration of Hyperbolic PDE with Time-Dependent Boundary Conditions
この論文は、時間依存境界条件を持つ双曲型偏微分方程式の陽的ルンゲ・クッタ法における次数低下問題を、時間積分器を変更せず境界近傍の空間微分演算子を再設計する純粋な空間的処置によって解決し、安定性を維持しつつ高次精度を回復する手法を提案しています。
🔬 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。
Multi-Level Hybrid Monte Carlo / Deterministic Methods for Particle Transport Problems
本論文は、準拡散法や二次モーメント法とモンテカルロ法を組み合わせ、多階層モンテカルロ手法に基づいて中性粒子輸送問題を効率的に解く新しい多階層ハイブリッド輸送法（MLHT）を提案し、その有効性を 1 次元スラブ問題で実証したものである。
Introduction to Symbolic Regression in the Physical Sciences
本論文は、2025 年 4 月の王立協会討論会を契機とした「物理科学における記号回帰」に関する特集号の導入編として、記号回帰の概念や物理科学における応用例、手法上の課題、そして理論的制約の統合といった将来の方向性を概説し、同分野の急速な進展とその重要性を強調しています。
Bayesian Optimization for Mixed-Variable Problems in the Natural Sciences
本論文は、自然科学における高価なブラックボックス最適化問題、特に非等間隔の離散変数を含む混合変数空間に対処するため、ガウス過程を用いた勾配ベースのベイズ最適化手法を拡張し、実験室の自律化など実用的な課題に適用可能な堅牢な枠組みを提案するものである。
Modeling non-Poissonian temporal hypergraphs by Markovian node dynamics
この論文は、ノードがランダムに活動状態を切り替えるマルコフ過程に基づくモデルを提案し、それによって個々のノードの活動変動が、現実のグループ相互作用で観察されるようなバースト性や時間相関を持つ非ポアソン的な時間的ハイパーグラフのイベント生成メカニズムを説明できることを示しています。
The hidden dimension in nanophotonics design: understanding
ナノフォトニクス設計において、ブラックボックス型のシミュレーションや設計ツールを補完し、空間・時間・追加次元がもたらす複雑性を理解することが重要であると提唱しています。
Differentiable hybrid force fields support scalable autonomous electrolyte discovery
本論文は、物理的機能形式とニューラルネットワークを融合した微分可能なハイブリッド力場が、高速・高精度・実験データによる微調整を両立し、自律的な電解質発見を可能にする「ChemRobot 対応」デジタルツインの基盤となることを提唱しています。
Tensor-Augmented Convolutional Neural Networks: Enhancing Expressivity with Generic Tensor Kernels
従来の畳み込みニューラルネットワーク（CNN）の深層化に伴う計算コストや解釈性の課題を解決するため、量子重ね合わせ状態を自然に表現する汎用テンソルを畳み込みカーネルに置き換えた物理指針型の浅層モデル「TACNN」を提案し、Fashion-MNIST において VGG-16 や GoogLeNet と同等以上の精度を極めて少ない層数で達成できることを示しました。
Direction-aware topological descriptors for Young's modulus prediction in porous materials
この論文は、空間軸の順序入れ替えに対して不変である従来のトポロジカル記述子の限界を克服し、圧縮軸を明示的に組み込んだ「方向認識型 TDA フレームワーク」を導入することで、多孔質材料の異方性や等方性の構造からヤング率を高精度に予測できることを示しています。
SMC-AI: Scaling Monte Carlo Simulation to Four Trillion Atoms with AI Accelerators
本論文は、AI アクセラレータ（GPU や NPU）上で動作する新しいアルゴリズム「SMC-AI」を提案し、4096 個の NPU チップを用いて 4 兆個の原子をシミュレートする過去最大規模の機械学習加速型原子間シミュレーションを実現したことを報告しています。