Towards nonlinear thermohydrodynamic simulations via the Onsager-Regularized Lattice Boltzmann Method
本論文は、オンサーガー正則化（OReg）格子ボルツマン法を用いることで、標準格子の等方性不足を外部補正項なしに自動的に補正し、非線形熱流体力学シミュレーションの精度を飛躍的に向上させる理論的枠組みを確立し、その有効性を数値的に実証したものである。
🔬 Category
physics.comp-ph
917 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。
Dynamic Phase Transitions in Mean-Field Ginzburg-Landau Models: Conjugate Fields and Fourier-Mode Scaling
周期的に強制された平均場ギンツブルグ・ランダウモデルにおける動的相転移を解析し、臨界周期において適切な共役場が場の偶数フーリエ成分全体であり、秩序変数が特定のフーリエモードの振幅で定義されることを示し、その臨界指数やパリティ則が高次非線形項を含むモデルでも普遍的に成り立つことを明らかにした。
Physics Constrained Neural Collision Operators for Variable Hard Sphere Surrogates and Ab Initio Angle Prediction in Direct Simulation Monte Carlo
本論文は、物理制約付きニューラル演算子を用いて、非平衡希薄気体流のシミュレーション手法である直接シミュレーションモンテカルロ法（DSMC）の計算コストを削減しつつ、物理不変量や確率的振る舞いを維持し、変形硬球モデルの代替および第一原理散乱角の予測を可能にする統合フレームワークを提案している。
Ab Initio Random Matrix Theory of Molecular Electronic Structure
この論文は、ベンゼンやヘリセン鎖などの分子における第一原理電子構造計算を用いて、低対称性幾何構造や物理的に重要な束縛励起状態において、電子スペクトルがランダム行列理論のガウス直交アンサンブルの普遍性を示すこと、および磁場依存性を通じてガウスユニタリーアンサンブルへの遷移が理論的に予測されることを明らかにしたものである。
Emergent Rate Laws for Collective Lying-Standing Transitions
有機・無機界面における分子の横たわり・直立転移の集団的動力学が、単一の素過程ではなく再配向・吸着・拡散などの結合した微視的プロセスから創発し、分子の幾何学的形状（特に横たわりと直立状態の面積比）が転移速度を支配する新たな律速則を導出したことを報告しています。
MBD-ML: Many-body dispersion from machine learning for molecules and materials
本論文は、分子や材料の分散相互作用を記述する高精度な多体分散（MBD）法に必要な原子パラメータを、事前学習したメッセージパス型ニューラルネットワーク（MBD-ML）によって構造から直接予測し、電子構造計算を介さずに効率的に vdW 相互作用を力場やコードに統合可能にする手法を提案するものである。
A Characteristic Mapping Method with Source Terms: Applications to Ideal Magnetohydrodynamics
この論文は、非線形移流と源項を扱うための一般化された特性写像法を提案し、ドゥアミル積分を用いた半ラグランジュ法と再帰的時間分解によって理想的な磁気流体力学問題において空間・時間ともに3次の精度と高解像度を実現することを示しています。
Scientific machine learning in Hydrology: a unified perspective
本論文は、水文研究における科学機械学習（SciML）の多様な手法群を初めて体系的にレビューし、物理知識とデータ駆動型モデルを統合するための統一された概念枠組みを提案することで、分野の概念明確化と累積的進展を促進することを目的としています。
Self-gravity in thin protoplanetary discs: 1. The smoothing-length approximation versus the exact self-gravity kernel
この論文は、従来の平滑化長さ近似の欠点を克服し、薄型原始惑星系円盤の自己重力を正確に記述する新しい厳密なカーネル（修正ベッセル関数に基づく）を提案し、その有効性を数値検証と計算効率の観点から実証したものである。
Enhancing Heat Sink Efficiency in MOSFETs using Physics Informed Neural Networks: A Systematic Study on Coolant Velocity Estimation
本論文は、物理情報ニューラルネットワーク（PINN）を用いて多層構造の MOSFET における冷却流速を推定する手法を提案し、層ごとの逐次学習により最適化の次元を削減して精度を向上させ、実験結果と高い一致を示したことを報告するものである。