A unified machine learning framework for ab initio multiscale modeling of liquids
该论文提出了一种结合机器学习原子势与神经经典密度泛函理论(neural cDFT)的统一机器学习框架,实现了从第一性原理出发对水及二氧化碳等液体在微观至宏观多尺度行为的高效、准确建模与热力学预测。
2422 篇论文
统计力学是连接微观粒子运动与宏观物质性质的桥梁,它帮助我们理解为何冰会融化、为何磁铁能吸起回形针。在凝聚态物理领域,这一理论框架至关重要,它揭示了从超导材料到复杂流体等日常现象背后的深层规律。
Gist.Science 持续追踪来自 arXiv 的最新预印本,确保您能第一时间接触到这些前沿研究。我们对每一篇新发表的论文进行深度处理,不仅提供详尽的技术解析,更用通俗易懂的语言提炼核心发现,让复杂的物理概念变得触手可及。
以下是本领域最新收录的论文列表,邀请您一同探索物质世界的奇妙规律。
该论文提出了一种结合机器学习原子势与神经经典密度泛函理论(neural cDFT)的统一机器学习框架,实现了从第一性原理出发对水及二氧化碳等液体在微观至宏观多尺度行为的高效、准确建模与热力学预测。
本文研究了受动力学约束的 PXP 自旋链模型,通过验证其本征态热化假设的违反、能级间距统计特征及本征矢量分量分布等非遍历性表现,揭示了介于完全遍历与多体局域化之间的弱遍历性破缺现象,并观测到了能量传播中的弹道前沿。
该研究通过构建耦合轨迹与线性化分析,揭示了扩散 Transformer(DiT)中同步间隙的内在机制,证实了该间隙是网络深度局部化的固有属性,且全局低频结构比局部高频细节更早完成生成承诺。
该研究通过引入针对无条件合作者和同类采取不同偏好的“有偏 Tit-for-Tat"策略,揭示了在结构化种群中,通过抑制相对适应度消除循环主导并缓慢扩张的机制,使得最弱的策略反而能在强困境下实现“最弱者生存”并主导种群。
本文受 Lewin、Lieb 和 Seiringer 近期工作的启发,利用大正则 Levy-Lieb 泛函(及大正则严格关联电子泛函)为非均匀电子气建立了严格的定义与热力学极限,并分析了其在任意晶格周期背景密度下的基本性质。
该论文通过将自由体积精确表达为最多五个排斥圆交叠面积的函数,建立了硬圆盘模型的统计力学理论,从而解析地推导出配分函数、熵和压强,成功复现了从气态到接近密堆积态的整个密度范围内的状态方程,并揭示了中间密度下与缺陷形成相关的混合液相机制及局部六方有序性。
该论文通过数值模拟与解析推导,揭示了稀疏随机矩阵中基态统计特性可识别安德森局域化转变,并指出无限温度下的安德森转变与量子相变重合,同时在扩展相中发现了由长程能量关联揭示的广泛非遍历区域。
该研究利用林德布拉德主方程方法,揭示了染料填充微腔中开放光子玻色 - 爱因斯坦凝聚体在鬼吸引子作用下形成的长寿命亚稳态平台,其虽源于非平衡动力学却表现出准热涨落,并展现出由例外点诱导的多种非厄米相变。
该论文提出朗道理论中存在一个“非内禀”新范畴,即外部微尺度场可在粗粒化后作为空间预设的系数场进入自由能泛函,并指出离子图案化的 FeRh 材料是这一理论的潜在实现体系。
该论文通过大规模分子动力学模拟指出,Yamaguchi 和 Barré 基于线性稳定性分析对广义哈密顿平均场模型相变的预测并不准确,因为初始稳态分布的分岔分析无法决定系统向准稳态演化的最终状态,真实的铁磁相变实际上是发生在更强耦合下的不连续(一级)相变。