Local Hall Conductivity in Disordered Topological Insulators
该论文推导了缺乏平移对称性系统的局域霍尔电导表达式，发现非磁性势无序能扩大陈绝缘体态的参数范围，且将单个无序区域分割为多个小区域可增强拓扑安德森绝缘体的存在相空间，从而为利用局域扫描技术可视化无序拓扑绝缘体中的霍尔电流提供了理论依据。
🔬 Category
cond-mat.dis-nn
88 篇论文
Hopfield model for patterns with internal structure
本文利用复制法解析推导了具有内部高斯相关结构的球体 Hopfield 模型在静态极限下的自由能与重叠分布，揭示了系统随温度降低依次进入自旋玻璃相及同时具备模式识别与关联特征的玻璃相的动力学行为。
Dreaming improves memorization in a Hopfield model with bounded synaptic strength
该研究表明，在引入突触强度有界（即“截断”）以消除灾难性遗忘的霍普菲尔德模型中，交替进行学习与“做梦”（即随机模式去学习）阶段，不仅能进一步提升记忆容量，还能使模型的性能优化更符合进化视角。
Compact Dynamical Mean-Field Theory of Oscillator Networks
本文提出了一种针对具有相干平均场耦合和淬火随机性的大规模相位振荡器网络的紧凑动力学平均场理论，该理论通过保持相位 $2\pi$ 周期性的路径积分表述，将系统简化为受确定性平均场和自洽有色高斯噪声驱动的单振荡器随机方程，不仅重现了无 Disorder 极限下的 Ott-Antonsen 约化及标准神经群方程，还建立了从单神经元相位响应曲线到任意相位可约化振荡器网络同步阈值等宏观预测的直接定量联系。
Self-consistent mean-field quantum approximate optimization
该论文提出了一种自洽平均场量子近似优化算法，通过将经典伊辛哈密顿量分解为独立子问题并利用变分量子电路构建自洽环境来模拟相互作用，从而在现有量子硬件限制下有效求解大规模组合优化问题。
The Quantum Random Energy Model is the Limit of Quantum -Spin Glasses
该论文证明了在横场作用下，随着相互作用阶数 趋于无穷大，量子 -自旋玻璃模型的自由能收敛于量子随机能量模型，这一结论结合了处理非对易性质的解析技术与经典 -自旋玻璃极端负偏差的几何描述。
Leveraging chaotic transients in the training of artificial neural networks
该论文表明，通过利用大学习率下梯度下降优化产生的瞬态混沌动力学（即处于探索与利用平衡的临界混沌状态），可以显著加速人工神经网络在多种监督学习任务中的训练过程。
Metastable states of 2D-material-on-metal-islands structures revealed by thermal cycling
该研究通过热循环实验揭示了二维材料（hBN/石墨烯）异质结在金属岛阵列上因热膨胀导致界面范德华键断裂及接触退化的亚稳态现象，并证实热压可恢复接触，从而为二维器件的界面稳定性及低温应用提供了关键见解。
Beyond the non-Hermitian skin effect: scaling-controlled topology from Exceptional-Bound Bands
该论文提出了一种基于“异常束缚带”工程的全新非厄米拓扑相变机制，揭示了系统尺寸如何通过异常点附近的临界标度行为独立于非厄米皮肤效应来控制拓扑转变，为多维晶格及各类非厄米平台中的能带设计提供了新原理。
Empirical universality and non-universality of local dynamics in the Sherrington-Kirkpatrick model
本文通过实证研究发现，在 Sherrington-Kirkpatrick 模型中，尽管贪婪搜索算法的运行时间对耦合矩阵的分布具有普遍性，但巴黎提出的“不情愿搜索”算法的运行时间却表现出非普遍性，其性能对耦合分布（尤其是离散均匀网格分布）的变化极为敏感。
Atomistic Framework for Glassy Polymer Viscoelasticity Across Twenty Frequency Decades
该研究通过引入时间依赖记忆核的广义朗之万方程扩展非仿射变形理论，成功实现了对聚甲基丙烯酸甲酯（PMMA）玻璃态聚合物在跨越二十个数量级频率范围内粘弹性响应的统一表征，其预测结果与多种实验及模拟数据高度吻合。
Hybrid quantum-classical matrix-product state and Lanczos methods for electron-phonon systems with strong electronic correlations: Application to disordered systems coupled to Einstein phonons
本文提出了两种结合多轨迹 Ehrenfest 方法的量子 - 经典混合算法（含时 Lanczos 和矩阵乘积态），用于精确模拟强关联电子 - 声子系统的动力学，并通过基准测试和数值模拟证实了经典声子耦合会导致强无序系统中的多体局域化失稳并引发退局域化。
Not all Chess960 positions are equally complex
该研究通过分析所有 960 种国际象棋变体开局，揭示了战略复杂性和决策不对称性在不同布局间存在显著差异，并指出经典开局并非平衡或复杂度的极值，而只是广泛统计分布中的普通一种配置。
Many-body localization for the random XXZ spin chain in fixed energy intervals
该论文证明了无限随机海森堡 XXZ 自旋链在任意固定能量区间内均表现出信息传播缓慢（对数光锥）的特征，且其相关参数区域（涵盖弱相互作用与强无序）完全由该能量区间决定。
Patterns of load, elastic energy and damage in network models of architected composite materials
该研究通过结合离散微分几何与谱图理论的网络模型，揭示了分级结构虽可控制界面失效位置但无法显著提升断裂韧性，而具有层级图案的结构则能通过在界面处形成耗散弹性能的扩散损伤缓冲区，在实现失效局域化的同时增强界面韧性。
Quantum-to-semiclassical Husimi dynamics of non-Hermitian localization transitions
该研究利用半经典 Husimi 动力学和相空间稳定性分析，揭示了非厄米准周期系统中的局域化相变虽在半经典极限下依然存在，但其临界点与经典预测不符且对无理数参数高度敏感，从而表明非厄米设定下不存在普适的经典 - 量子对应关系，但在特定参数区间内经典动力学仍能在有限时间内有效模拟量子行为。
Lindbladian Learning with Neural Differential Equations
该论文提出了一种结合最大似然估计与神经微分方程的“林德布拉德学习”方法，通过在多个瞬态时间点利用泡利测量数据，成功从含噪实验数据中鲁棒地推断出开放量子系统的耗散动力学生成器。
Mathematical modeling of urban sprawl
该论文指出传统静态模型无法有效刻画城市扩张的非平衡动态特征，主张借鉴统计物理中的偏微分方程框架，通过融合遥感、城市经济学与复杂性科学，构建能够捕捉空间异质性与反馈机制的动态模型以指导可持续规划。
Modeling the Slow Arrhenius Process (SAP) in Polymers
该研究通过扩展两态两时标（TS2）理论，构建了一个统一框架，将聚合物中的慢阿伦尼乌斯过程（SAP）解释为粗粒化动态关联团簇中类过程的高温极限，从而无需额外可调参数即可定量复现多种聚合物的弛豫与 SAP 数据，并揭示了其微观起源及低温下向 Vogel-Fulcher-Tammann-Hesse 动力学转变的预测。
Orbital-interaction-aware deep learning model for efficient surface chemistry simulations
该论文提出了一种名为 DOTA 的基于 DOS Transformer 的深度学习模型，通过捕捉局域态密度与吸附能之间的轨道相互作用模式，有效融合实验与多保真度量子化学数据，在仅需少量高精度训练数据的情况下实现了具有化学精度的表面吸附能预测，从而解决了长期存在的"CO 难题”并推动了表面化学的高效材料筛选。