Neural network backflow for ab-initio solid calculations
本論文は、分子計算向けに開発されたスケーラブルな最適化枠組みを拡張し、物理的な重要度に基づく二段階の剪定戦略を採用することで、1 次元水素鎖から 2 次元グラフェン、3 次元シリコンに至る多様な固体材料において、強相関領域での高精度かつ効率的な第一原理計算を可能にしたニューラルネットワークバックフロー手法を提案するものである。
🔬 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。
Demonstration of AI-Assisted Scientific Workflow on Canonical Benchmarks
この論文は、量子調和振動子や熱伝導方程式などの既知の基準問題を用いた厳密な検証を通じて、現代の AI が導出から実装、検証、論文作成に至るまで、人間の研究者にとって信頼性の高い科学的コパイロットとして機能し得ることを示す、再現可能なワークフローのデモンストレーションである。
Real-time probabilistic tsunami forecasting in Cascadia from sparse offshore pressure observations
この論文は、カスケディア沈み込み帯の限定的な海底圧力観測データを用いたリアルタイムベイズ推論フレームワークにより、大規模な計算をオフラインで事前に行い、オンラインではラップトップで数秒以内に確率的津波予測を高精度に行う手法を提案している。
A convolutional autoencoder and neural ODE framework for surrogate modeling of transient counterflow flames
この論文は、高忠実度の二次元過渡対流火炎データを物理的に整合性のある低次元潜在空間に圧縮する畳み込みオートエンコーダと、その非線形多様体上での連続時間ダイナミクスを記述するニューラル ODE を組み合わせた CAE-NODE フレームワークを提案し、点火から非予混合状態への遷移を含む火炎の過渡過程を 2% 未満の相対誤差で高精度に予測できることを実証したものである。
ANNA: a toolbox for Newtonian Noise Analysis
この論文は、重力波観測所（特に Einstein Telescope）の鏡を揺らすニュートン雑音を、有限要素メッシュ上の地震波場からガウス求積法を用いて効率的に計算する MATLAB/Octave/Python 対応のツールボックス「ANNA」を開発し、解析解との高い一致によってその精度と異質媒質への適用性を検証したものである。
Building Trust in PINNs: Error Estimation through Finite Difference Methods
この論文は、物理情報ニューラルネットワーク（PINN）の予測誤差を真の解を知らずに有限差分法を用いて推定する軽量な事後手法を提案し、モデルの信頼性と解釈可能性を向上させることを目的としています。
Physics-Informed Neural Systems for the Simulation of EUV Electromagnetic Wave Diffraction from a Lithography Mask
この論文は、極端紫外線（EUV）リソグラフィマスクからの回折問題を解決するために、物理情報ニューラルネットワーク（PINN）と提案されたハイブリッド型「導波路ニューラルオペレーター（WGNO）」を開発し、従来の数値解法と比較して高精度かつ大幅な計算時間の短縮を実現し、次世代マスクの設計・最適化ワークフローを加速できることを示しています。
DRIFT-Net: A Spectral--Coupled Neural Operator for PDEs Learning
DRIFT-Net は、スペクトル分岐と画像分岐の双枝構造を採用し、大域的低周波情報と局所的高周波细节を効率的に統合することで、既存の PDE 学習モデルに比べて誤差を大幅に低減し、パラメータ数を削減しながら高スループットを実現する新しいニューラル演算子です。
Scaling Laws and Pathologies of Single-Layer PINNs: Network Width and PDE Nonlinearity
この論文は、単層 PINN が非線形 PDE に対して、近似能力ではなく最適化の失敗（スペクトルバイアスに起因する高周波成分の学習困難）により、ネットワーク幅の増加や非線形性の強化に伴って誤差が減少しないという二重の病理を示す複雑なスケーリング則を確立したことを報告しています。
Comprehensive full-f drift-kinetic and delta-f gyrokinetic simulations of a linear plasma device based on the gyro-moment approach
本論文は、LAPD 装置のパラメータを用いた全 f ドリフト運動論的およびデルタ f ギロ運動論的乱流シミュレーションを通じて、電子はドリフト縮約ブラジンスキモデル、イオンはエルミート・ラグランジュ展開で記述され、通常の衝突頻度ではギロ運動論的場がドリフト運動論的場に影響を与えないが、衝突頻度が低下し源項が増幅された場合にのみ小規模乱流構造が増幅されることを明らかにした。