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。

本文介绍了基于结构的湍流模型——射线柱状 IPRM，该模型通过将条件态投影到有限波数带上以恢复径向谱尺度信息，从而相较于传统的仅考虑取向的方法，能够实现更精确的闭合评估并构建滤波可观测量。

本研究证明，利用双色拉盖尔 - 高斯激光脉冲驱动等离子体尾场，通过将纵向场能量重新分布至轴外形成中空环状结构，从根本上改变了其拓扑结构，从而为控制横向等离子体动力学提供了新机制，并实现了轴外粒子加速。

本文提出了一种基于物理信息神经网络（PINN）的计算方法，该方法通过优化单个周期而非模拟瞬态初始条件来直接求解时间周期流态，从而在保持与传统网格求解器相当精度的同时，显著降低了计算时间。

本文提出了一种数值稳定的矩量法工具，用于仿真多层封装印刷电路板的 S 参数，该方法通过结合 S 矩阵形式推导完整的并矢格林函数，并采用多种基函数对横向和纵向电流进行建模。

利用变分蒙特卡洛方法与神经量子态，本研究分析了量子约化圈引力中哈密顿量约束的近核区域，并识别出三类不同的解，其中包括一个由涌现的半经典 Thiemann 相干态精确描述的因子化分支。

本文提出了一种基于 MPI 的新方法，用于在多 GPU 集群和百亿亿次超级计算机上构建和模拟大规模脉冲神经网络，并通过优化的局部连接与脉冲交换策略，展示了复杂皮层模型的高效扩展能力。

本文介绍了辛神经算子，这是一种新颖的架构，它保留了无限维哈密顿系统的内禀辛结构，从而与标准数据驱动模型相比，确保了严格的长期稳定性并改善了能量守恒。

本文介绍了量子特征放大网络（QFAN），这是一种自回归量子生成模型，它通过使用固定大小的量子电路将图像生成为块序列，克服了量能器簇射模拟中的寄存器尺寸瓶颈，并在模拟器和 IBM 量子硬件上成功展示了其复现关键物理分布的能力。

本文提出了一种高效的多 GPU 加速不连续伽辽金海洋模型 SLIM 实现，其相比基于 CPU 的系统实现了巨大的加速，并支持超高分辨率海岸模拟，例如将大堡礁的分辨率提高了五倍。

本文展示了如何将生成式 AI 编程代理与由大语言模型驱动的树搜索算法相结合，以自主发现优化的三维光伏结构，前提是系统需迭代性地修补物理约束，以消除算法奖励黑客行为并确保解的物理有效性。