The Spin-MInt Algorithm: an Accurate and Symplectic Propagator for the Spin-Mapping Representation of Nonadiabatic Dynamics

Dit artikel introduceert het Spin-MInt-algoritme, het eerste symplectische propagator dat spin-mappingvariabelen voor niet-adiabatische dynamica direct en nauwkeurig simuleert zonder tussenkomst van Cartesiaanse variabelen, en dat superieure prestaties en efficiëntie biedt vergeleken met bestaande methoden.

Lauren E. Cook, James R. Rampton, Timothy J. H. HeleFri, 13 Ma🔬 physics

A hybrid Green-Kubo (hGK) framework for calculating viscosity from short MD simulations

Dit artikel introduceert een hybride Green-Kubo-framework (hGK) dat de viscositeit van moleculaire vloeistoffen en polymeren nauwkeurig berekent op basis van korte MD-simulaties door de spanningsautocorrelatiefunctie te splitsen in een korte ballistische component en een lange analytische relaxatiestert, waardoor de noodzaak voor extensieve sampling wordt geëlimineerd.

Akash K. Meel, Santosh MogurampellyFri, 13 Ma🔬 physics

Matlantis-PFP v8: Universal Machine Learning Interatomic Potential with Better Experimental Agreements via r2SCAN Functional

Dit paper introduceert Matlantis-PFP v8, een universeel machine learning interatomair potentiaalmodel getraind op r2SCAN-data dat zonder domeinspecifieke aanpassing systematisch betere overeenkomst met experimenten bereikt dan bestaande PBE-gebaseerde modellen, met name door de fout in geschatte smeltpunten te halveren.

Chikashi Shinagawa, So Takamoto, Daiki Shintani, Yong-Bin Zhuang, Yuta Tsuboi, Katsuhiko Nishimra, Kohei Shinohara, Shigeru Iwase, Yuta Tanaka, Ju LiFri, 13 Ma🔬 physics

Differentiable Programming for Plasma Physics: From Diagnostics to Discovery and Design

Dit artikel toont aan dat differentieerbaar programmeren, mogelijk gemaakt door automatische differentiatie, een robuust kader biedt voor gradiëntgebaseerde optimalisatie in computergestuurde plasmafysica, waardoor niet alleen bestaande ontwerpprocessen worden versneld maar ook kwalitatief nieuwe mogelijkheden ontstaan voor het ontdekken van niet-lineaire plasmafenomenen, het leren van verborgen variabelen in hydrodynamische modellen, het versnellen van Thomson-verstrooiingsanalyse en het inverse ontwerpen van laserpulsen.

A. S. Joglekar, A. G. R. Thomas, A. L. Milder, K. G. Miller, J. P. Palastro, D. H. FroulaFri, 13 Ma🔬 physics

Reliable Viscosity Calculation from High-Pressure Equilibrium Molecular Dynamics: Case Study of 2,2,4-Trimethylhexane

Dit artikel presenteert een verbeterde toepassing van het STACIE-algoritme voor betrouwbare berekening van de viscositeit van 2,2,4-trimethylhexaan bij hoge drukken via evenwichtsmoleculaire dynamica-simulaties, waarbij wordt aangetoond dat eerdere afwijkingen voornamelijk het gevolg waren van onvoldoende simulatietijden in plaats van beperkingen van de gebruikte krachtvelden.

Gözdenur Toraman, Dieter Fauconnier, Toon VerstraelenFri, 13 Ma🔬 physics

Bootstrap Embedding for Interacting Electrons in Phonon Coherent-state Mean Field

Deze paper introduceert het fermi-bose bootstrap-embedding (fb-BE) framework, een methode die bootstrap-embedding voor geassocieerde elektronen combineert met een zelfconsistent coherent-toestandsmiddenveld voor fononen om de grondtoestand van het Hubbard-Holstein-model efficiënt te berekenen, met name in regio's met sterke koppeling en localisatie, hoewel de aanpak beperkingen vertoont bij zwakke koppeling en de Peierls-overgang.

Shariful Islam, Joel Bierman, Yuan LiuFri, 13 Ma🔬 cond-mat

A Scattered-Field Formulation for Coupled Geometric Wakefield and Space Charge Field Simulations in Particle Accelerators

Dit artikel presenteert een zelfconsistent simulatiemodel voor deeltjesbundels in versnellers dat de impact van geometrische wakevelden en ruimteladingsvelden combineert via een verstrooide-veldformulering, en toont aan dat deze wakevelden een niet-verwaarloosbaar effect hebben op de bundelkwaliteit in hoog-briljante elektronbronnen zoals de SuperKEK-fotogun.

J. Christ, E. Gjonaj, H. De GersemFri, 13 Ma🔬 physics

Proof-Carrying Materials: Falsifiable Safety Certificates for Machine-Learned Interatomic Potentials

Dit paper introduceert Proof-Carrying Materials (PCM), een drie-staps framework dat machine-learned interatomaire potentialen valideert via adversariele falsificatie, bootstrap-verfijning en formele Lean 4-certificering om de betrouwbaarheid van materialenontdekking drastisch te verhogen en tot 25% meer stabiele materialen te vinden vergeleken met traditionele screening.

Abhinaba Basu, Pavan ChakrabortyFri, 13 Ma🔬 cond-mat.mtrl-sci