The Spin-MInt Algorithm: an Accurate and Symplectic Propagator for the Spin-Mapping Representation of Nonadiabatic Dynamics
이 논문은 비단열 동역학의 스핀-매핑 표현을 직접적으로 전파하는 최초의 정확하고 심플렉틱한 알고리즘인 '스핀-MInt'를 제안하여, 기존 방법론보다 계산 효율성과 정확도가 뛰어나며 다양한 모델에서 검증되었음을 보고합니다.
🔬 Category
physics.comp-ph
133 편의 논문
A hybrid Green-Kubo (hGK) framework for calculating viscosity from short MD simulations
이 논문은 단시간 분자동역학 시뮬레이션만으로도 점도를 정확하게 예측할 수 있도록 스트레스 자기상관함수를 단시간 탄성 성분과 분석적 모델로 결합한 하이브리드 그린-쿠보 (hGK) 프레임워크를 제안하여 기존 방법의 수렴 문제를 해결하고 계산 효율을 획기적으로 개선합니다.
Discrete versus continuous -- linear lattice models and their exact continuous counterparts
이 논문은 무한, 주기적, 유한 격자 조건을 포함하는 이산 선형 격자 모델과 연속 편미분방정식 모델 간의 대응 관계를 푸리에 분석 도구를 활용하여 분산 관계 중심으로 체계적으로 고찰합니다.
Mind the Gap: Where Analog Ising Machines Cease to Minimize the Ising Hamiltonian
이 논문은 아날로그 이징 머신의 설계에 공통적으로 존재하는 '불안정화'와 '안정화' 사이의 기능적 간격이 해 수렴을 보장하지 않는 근본적인 한계를 야기함을 규명하고, 이를 해결하기 위한 하이브리드 동역학 프레임워크를 제시하여 아날로그 이징 머신의 분석과 최적화를 위한 통합 원리를 확립합니다.
Matlantis-PFP v8: Universal Machine Learning Interatomic Potential with Better Experimental Agreements via r2SCAN Functional
이 논문은 PBE 함수형의 한계를 극복하고 r2SCAN 함수형으로 학습된 범용 기계학습 원자간 퍼텐셜 'Matlantis-PFP v8'을 소개하여, 다양한 화학 영역에서 실험 데이터 및 고정밀 기준과 더 높은 일치도를 보이며 용융점 예측 오차를 기존 모델 대비 절반 수준으로 줄였음을 보여줍니다.
Differentiable Programming for Plasma Physics: From Diagnostics to Discovery and Design
이 논문은 자동 미분을 기반으로 한 가분해 프로그래밍이 플라즈마 물리학에서 비선형 현상 발견, 유체 모델의 정교화, 진단 가속화, 레이저 펄스 역설계 등 기존 워크플로우를 획기적으로 개선할 뿐만 아니라 이전에 불가능했던 새로운 물리학적 통찰과 설계를 가능하게 함을 네 가지 응용 사례를 통해 입증합니다.
Reliable Viscosity Calculation from High-Pressure Equilibrium Molecular Dynamics: Case Study of 2,2,4-Trimethylhexane
이 논문은 STACIE 알고리즘을 개선하여 고압 조건에서 2,2,4-트리메틸헥산의 점도를 실험 결과와 높은 정확도로 일치시키는 신뢰할 수 있는 방법으로 계산하고, 이전 연구들의 오차가 주로 불충분한 시뮬레이션 시간과 임의적인 후처리 기법에 기인했음을 규명했습니다.
Bootstrap Embedding for Interacting Electrons in Phonon Coherent-state Mean Field
이 논문은 상호작용하는 전자와 포논의 결합계를 다루기 위해 페르미온-보손 부트스트랩 임베딩 (fb-BE) 프레임워크를 개발하여, 큰 격자 시스템에서 국소적 결합 영역이 지배적인 경우 (예: 모트 절연체 및 작은 폴라론 영역) 에 기존 방법 대비 월등한 계산 효율성을 보이지만, 포논의 평균장 처리로 인해 약결합 영역이나 페리에 전이와 같은 양자 요동이 중요한 영역에서는 한계를 가진다는 것을 보여줍니다.
Tearing Stability Prediction Combining Toroidal Calculations With a Two-Fluid Slab Layer
이 논문은 SLAYER 와 STRIDE 코드를 결합하여 토로이달 형상 효과를 고려한 두 유체 슬랩 층 해석을 통해 토카막의 고전적 테어링 불안정성을 신속하고 견고하게 예측하는 새로운 시뮬레이션 워크플로우를 개발하고 검증했습니다.
Stochastic single-stage stellarator optimization using fixed-boundary equilibria
이 논문은 고정 경계 평형과 확률적 코일 최적화를 결합하여 국소 최소값을 회피하고 코일 교란 후에도 더 나은 플럭스, 준대칭성, 입자 손실 특성을 보이는 새로운 스텔라레이터 구성을 제안합니다.
A Scattered-Field Formulation for Coupled Geometric Wakefield and Space Charge Field Simulations in Particle Accelerators
이 논문은 가속기 챔버의 기하학적 구조로 인한 전자기 웨이크필드와 공간 전하 필드를 결합한 산란장 기반의 자기일관적 시뮬레이션 모델을 제안하고, 이를 통해 고휘도 전자원 설계 시 웨이크필드의 영향을 고려해야 함을 입증합니다.
Proof-Carrying Materials: Falsifiable Safety Certificates for Machine-Learned Interatomic Potentials
이 논문은 단일 머신러닝 원자간 전위 (MLIP) 모델이 안정성 필터링에서 93% 의 실패율을 보인다는 문제를 지적하고, 적대적 검증, 부트스트랩 신뢰구간, 그리고 Lean 4 형식 증명을 결합한 'Proof-Carrying Materials (PCM)' 프레임워크를 통해 MLIP 기반 신소재 발견의 신뢰성과 수율을 획기적으로 개선하는 방법을 제시합니다.
Prediction of Molecular Single-Photon Emitters: A Materials-Modelling Approach
이 논문은 분자 단일 광자 방출체의 설계 유연성을 활용하기 위해 데이터베이스 분석과 미시적 예측을 통합한 이론적·계산적 프레임워크를 제시하여, 벤치마크 시스템을 통해 새로운 유망 후보 (키랄 분자 방출체 포함) 를 식별하고 머신러닝과 결합해 분자 양자 광 - 물질 인터페이스의 잠재력을 극대화할 수 있음을 보여줍니다.
Unraveling the Atomic-Scale Pathways Driving Pressure-Induced Phase Transitions in Silicon
이 논문은 GAP 상호원자 퍼텐셜, 분자동역학 시뮬레이션, 고체 상태 누더진 탄성 밴드 (SS-NEB) 계산 및 DFT 검증을 통해 고압 하에서 실리콘의 BC8/R8 상에서 hd 상으로의 상전이 메커니즘과 핵생성 장벽을 규명하여 실험적 관측과 이론적 결과를 연결했습니다.
Universal spectral structure in pendulum-like systems
이 논문은 진자 운동의 진동, 분리기, 회전 영역을 아우르는 단일한 보편적 스펙트럼 구조를 발견하여, 각 영역이 동일한 해석적 스펙트럼 커널에서 대칭성 기반의 재구성을 통해 도출됨을 보여줍니다.
Uncertainty quantification and stability of neural operators for prediction of three-dimensional turbulence
본 논문은 3 차원 난류 예측에서 기존 신경 연산자 모델의 장기 불안정성을 해결하고 불확실성 정량화를 통해 신뢰성을 평가하기 위해, 암시적 분해 기법을 도입한 새로운 F-IFNO 모델을 제안하고 이를 기존 모델 및 LES 와 비교하여 검증합니다.
Machine-precision energy conservative reduced models for Lagrangian hydrodynamics by quadrature methods
이 논문은 유한 요소 이산화를 기반으로 데이터 기반 축소 기저 함수와 경험적 사분법 (EQP) 을 활용하여 라그랑주 유체역학의 압축성 오일러 방정식에 대해 기계 정밀도 수준의 에너지 보존을 보장하는 축소 모델을 제안하고, 네 가지 벤치마크 문제를 통해 그 정확성과 에너지 보존 능력을 입증합니다.
Bayesian Inference for PDE-based Inverse Problems using the Optimization of a Discrete Loss
이 논문은 편미분방정식 (PDE) 기반 역문제에 대한 불확실성을 정량화하기 위해 PDE 손실 함수를 사전 지식으로 통합한 베이지안 확장 방법인 B-ODIL 을 제안하고, 다양한 차원의 합성 벤치마크 및 뇌종양 성장 모델링을 통한 실제 임상 사례를 통해 그 유효성을 입증합니다.
Energy-Conserving Contact Dynamics of Nonspherical Rigid-Body Particles
이 논문은 2 차원 및 3 차원 공간에서 임의의 볼록한 비구형 강체 입자에 대한 에너지 보존 접촉 역학 프레임워크를 제안하여, 입자 중첩을 방지하고 에너지 보존을 유지하면서 콜로이드 및 입자 시스템의 패킹 행동과 이방성 확산 등을 정확하게 모델링할 수 있음을 보여줍니다.
Mixed-State Measurement-Induced Phase Transitions in Imaginary-Time Dynamics
이 논문은 측정과 허수 시간 진화를 교차적으로 적용하는 새로운 프레임워크인 '측정-장식 허수 시간 진화 (MDITE)'를 제안하여, 기존에 알려지지 않은 보편성 클래스를 보이는 혼합 상태 위상 전이와 비평형 임계 현상을 규명하고 이를 대규모 및 고차원 시스템으로 확장할 수 있는 효율적인 수치적 방법을 제시했습니다.