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。

Advancing Universal Deep Learning for Electronic-Structure Hamiltonian Prediction of Materials

本論文は、DFT の初期電荷密度に基づくゼロステップハミルトニアンの導入、E(3) 対称性と高い非線形表現力を持つトランスフォーマーアーキテクチャ、および実空間と逆空間の両方での精度を確保する新たな学習目的関数を特徴とするニューラルネットワーク「NextHAM」を提案し、スピン軌道相互作用を明示的に含んだ大規模な新材料ベンチマーク「Materials-HAM-SOC」を用いて、材料の電子構造ハミルトニアンの予測において高い精度と汎用性を達成したことを示しています。

Shi Yin, Zujian Dai, Xinyang Pan, Lixin He2026-03-03🔬 cond-mat.mtrl-sci

Comparative Analysis of Mechanical Stability and Biomarkers of Commercial and Modified Intraocular Lens (IOL) Models: A Numerical and Experimental Approach

本研究は、有限要素法と実験的アプローチを用いて市販および幾何学的に修正された水晶体内レンズ(IOL)モデルの機械的安定性を比較評価し、特に GF3 モデルを基盤とした V4 設計が最も優れた安定性と患者の快適性を示すことを明らかにした。

Taner Karateke, Abdullah Mevlut Mutluel2026-03-03🔬 physics

Interpretable Geometry Sensitivity for Inverse Design of Integrated Photonics

この論文は、逆設計された集積フォトニクスデバイスにおいて、軽量な回帰モデルと統合勾配法を用いてバイナリマスク上の画素レベル感度マップを生成し、物理的に意味のある高感度領域を特定することで、製造ばらつきに対する設計の解釈可能性とロバスト性を向上させる手法を提案し、実験的にその有効性を検証したものである。

Junho Park, Taehan Kim, Mohammad Ali, Di Liang2026-03-03🔬 physics.optics

Aeroelastic Reduced-Order Model Differential Equations in Transonic Buffeting Flow

本論文は、直交マッチングパース法を用いて同定された非線形振動子とボルテラ理論を統合した新しい積分微分方程式型低次モデル(IDE-ROM)を提案し、OAT15A 翼型における空力弾性ロックイン現象を含む遷音速衝撃バフェット応答を、高精度かつ計算効率よく再現可能であることを実証したものである。

Michael Candon, Pier Marzocca, Earl H. Dowell2026-03-03🔬 physics

Two-Dimensional Kelvin-Helmholtz Instability with Anisotropic Pressure

本論文は、衝突性プラズマの MHD 近似と衝突無視の CGL 近似における 2 次元ケルビン・ヘルムホルツ不安定性を線形解析および数値シミュレーションで比較検討し、成長率や磁気効果、乱流・再結合への影響が MHD 極限で最も顕著であることを明らかにした。

Shishir Biswas, Masaru Nakanotani, Dinshaw S. Balsara, Vladimir Florinski, Merav Opher2026-03-03🔭 astro-ph

Neural-POD: A Plug-and-Play Neural Operator Framework for Infinite-Dimensional Functional Nonlinear Proper Orthogonal Decomposition

この論文は、AI4Science における離散化の制約を克服し、解像度に依存しない連続的な非線形直交基底を学習するプラグアンドプレイ型ニューラル演算子「Neural-POD」を提案し、複雑な物理システムの表現と一般化能力を向上させることを示しています。

Changhong Mou, Binghang Lu, Guang Lin2026-03-03🤖 cs.LG