physics.comp-ph 篇论文

计算物理学是连接抽象理论与现实世界的桥梁，它利用强大的计算机模拟来探索从微观粒子到浩瀚宇宙的复杂规律。在这里，我们不再仅仅依赖纸笔推导，而是通过数字实验揭示物质深处那些难以直接观测的奥秘，让深奥的公式在代码中焕发新生。

Gist.Science 持续追踪 arXiv 上发布的最新预印本，确保您能第一时间获取这些前沿成果。我们不仅提供详尽的技术解读，更会将其转化为通俗易懂的通俗摘要，帮助不同背景的研究者与爱好者轻松跨越专业门槛。

以下为您精选的近期计算物理学领域最新论文，涵盖了从量子模拟到流体力学的多样探索。

本文提出了一种协同框架，将粗粒度模拟、实验流变学与机器学习相结合，以高效绘制基于 DNA 的软物质流体的设计空间，从而实现具有定制体流变性能材料的理性与加速发现。

本文表明，DeepSeek-V3 大语言模型中的句法和语义信息以部分线性方式编码，并差异化地分布于各层，这通过减去平均表示质心即可解耦这些信号的能力得以证实。

GenSBI 是一个新的开源 JAX 库，它利用基于 Transformer 的架构实现了流匹配、分数匹配和去噪扩散模型，为使用 JAX 的研究人员提供了一个原生的、端到端的基于模拟的推理框架，在标准基准测试中实现了高精度和校准良好的后验分布。

本文提出了一种结合自适应网格细化的混合体积流体相场方法，用于对可溶性表面活性剂负载流动进行直接数值模拟，该方法能够精确捕捉体相与界面输运之间的耦合，从而阐明马兰戈尼应力如何在三维几何构型中显著改变气泡上升动力学。

本文提出了一种结合神经网络代理模型的强化学习方法，用于优化一维球形k临界中子输运问题的多群能组结构，在实现与现有方法相当或更优精度的同时，提供了更高的灵活性和计算效率。

本文提出了一种辅助滤波的基于样本的量子对角化协议，该协议通过张量网络优化的量子滤波器构建波函数稀疏性，以克服现有方法的采样效率局限，从而显著降低强关联系统的能量估计误差和采样开销。

本文介绍了混合神经世界模型，这是一种单网络框架，其预测物理动力学的速度显著快于经典求解器，同时隐式生成误差图以检测激波和接触等尖锐不连续性，从而启用一种无需额外校准或控制方程知识即可大幅降低预测误差的 fallback 机制。

本文表明，在高焓火星进入条件下，来流扰动可在脱体弓形激波与剪切熵层内触发三步失稳机制，导致非线性破裂并显著增强壁面加热，从而在不依赖经典边界层转捩的情况下解释了火星探测任务的飞行数据。

本研究证明，针对无序 Fe-Ni 结构、基于自旋极化密度泛函理论数据训练的系统特异性 MACE 势函数，在预测结构、弹性及有限温度性质方面显著优于现有基础模型，尽管其在准确描述主导体心立方至六方密排相变磁坍缩效应方面仍存在困难。

本文提出了一种光谱玻尔兹曼碰撞算子的维格纳-埃卡尔特因子化方法，通过将参考系与碰撞对对齐，将问题的维度从八维降至五维，从而将角几何与散射物理解耦，在保持精确守恒律和高精度的同时实现了显著的加速和内存缩减。