Neural delay differential equations: learning non-Markovian closures for partially known dynamical systems
该论文提出了一种基于常时滞神经延迟微分方程（NDDEs）的框架，通过借鉴 Mori-Zwanzig 形式体系将隐藏变量转化为记忆项，从而在部分可观测条件下高效地学习非马尔可夫动力学系统。
🔬 Category
physics.comp-ph
129 篇论文
Modelling Material Injection Into Porous Structures Under Non-isothermal Conditions
本文基于多孔介质理论，在考虑局部热非平衡条件下建立了用于模拟非等温环境下椎体成形术（即丙烯酸骨水泥注入松质骨）的数学模型，并通过数值模拟验证了该模型的热力学一致性与物理合理性。
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 Weight Window Method for Global Time-Dependent Monte Carlo Particle Transport Calculations
本文提出了一种基于自动权重窗口的混合蒙特卡洛算法，通过利用低阶二阶矩方程的辅助解来定义全局时间相关粒子输运问题中的权重窗口，从而显著提升了计算效率并实现了空间粒子分布的均匀化。
SAP-X2C: Optimally-Simple Two-Component Relativistic Hamiltonian With Size-Intensive Picture Change
本文提出了一种名为 SAP-X2C 的简单相对论二分量哈密顿量，它通过引入双电子图像变化效应，在保持低计算成本的同时显著提升了精度并确立了热力学极限，使其适用于大分子和周期性晶体等扩展体系，且其性能可媲美更复杂的原子平均场 X2C 方法。
An Always-Accepting Algorithm for Transition Path Sampling
本文提出了一种针对过阻尼随机动力系统的单向射击算法，该算法通过确保所有提议轨迹均为反应性路径并结合重加权方案进行修正，从而实现了100%的接受率并显著提升了过渡路径采样的效率，成功应用于二氧化碳笼形水合物形成机制的研究。
Certified Uncertainty for Surrogate Models of Neutron Star Equations of State via Mondrian Conformal Prediction
本文提出了一种基于 Mondrian 共形预测的多任务代理模型，用于中子星状态方程，能够在满足物理约束的同时为最大质量、半径和潮汐形变等关键参数提供分布无关的、经过认证的不确定性量化。
Prediction of Steady-State Flow through Porous Media Using Machine Learning Models
该研究提出了一种基于机器学习的框架，通过对比卷积自编码器、U-Net 和傅里叶神经操作符（FNO）三种架构，发现 FNO 在预测多孔介质稳态流动方面表现最优，其均方误差低至 0.0017 且比传统计算流体力学方法快 1000 倍，同时具备网格不变性，为冷板拓扑优化提供了高效可扩展的替代方案。
From Accurate Quantum Chemistry to Converged Thermodynamics for Ion Pairing in Solution
该研究结合机器学习与电子结构理论，通过超越标准密度泛函理论并采用“金标准”CCSD(T) 方法，成功实现了对水溶液中 CaCO₃离子对自由能的精确预测，从而解决了长期存在的计算挑战并获得了与实验一致的定量热力学结果。
How Physical Dynamics Shape the Properties of Ising Machines: Evaluating Oscillators vs. Bistable Latches as Ising Spins
该论文通过理论分析与数值实验表明，由于振荡器型伊辛机（OIMs）的线性稳定性依赖于自旋构型从而能选择性地破坏高能态，而双稳态锁存器型伊辛机（BLIMs）的所有构型稳定性相同，因此 OIMs 在求解 MaxCut 等组合优化问题时能获得更高质量的解。
Physics-informed AI Accelerated Retention Analysis of Ferroelectric Vertical NAND: From Day-Scale TCAD to Second-Scale Surrogate Model
该研究提出了一种基于物理信息神经算子（PINO）的人工智能代理模型，通过嵌入物理原理，将铁电垂直 NAND 器件的阈值电压漂移和保持特性模拟速度提升了超过 10000 倍，从而克服了传统 TCAD 工具在大规模参数优化中计算成本过高的问题。
Machine learning the two-electron reduced density matrix in molecules and condensed phases
该研究提出了一种通过机器学习直接预测两电子约化密度矩阵（2-RDM）的通用框架，成功构建了能够以极低成本实现耦合簇精度、并适用于包含数百个水分子的葡萄糖等大规模凝聚相体系的电子结构代理模型。
Full-Scale GPU-Accelerated Transient EM-Thermal-Mechanical Co-Simulation for Early-Stage Design of Advanced Packages
本文提出了一种 GPU 加速的瞬态电磁 - 热 - 力全耦合求解器，通过在不进行结构均质化的前提下实现大规模封装的快速全尺度仿真，解决了早期设计阶段精度与效率的权衡难题，从而能够识别传统稳态方法无法捕捉的信号诱导绝热应力等失效机制。
A semi-analytical pseudo-spectral method for 3D Boussinesq equations of rotating, stratified flows in unbounded cylindrical domains
本文提出了一种针对旋转分层流三维 Boussinesq 方程的半解析伪谱方法，该方法结合映射勒让德多项式与傅里叶展开处理无界圆柱域，并采用解析线性算子的指数时间差分（ETD）方案，成功克服了强剪切和快速恢复波导致的数值刚性问题，从而实现了大时间步长下对天体物理及地球物理涡流不稳定性的高效高精度模拟。
Covariant Multi-Scale Negative Coupling on Dynamic Riemannian Manifolds: A Geometric Framework for Topological Persistence in Infinite-Dimensional Systems
该论文提出了一种定义在光滑黎曼流形上的协变多尺度负耦合几何框架，通过引入自适应谱负耦合机制重新分配能量，有效抑制了无限维耗散系统的维度坍缩，并证明了其全局吸引子的有限维性质。
paces: Parallelized Application of Co-Evolving Subspaces, a method for computing quantum dynamics on GPUs
本文介绍了一种名为 paces 的并行化算法，该方法通过在 GPU 上动态构建与量子态协同演化的哈密顿算符子空间，高效且精确地求解任意稀疏哈密顿量下的含时薛定谔方程。
A Consistent Interface Reconstruction and Coupling Method for Multiphysics Simulations
本文提出了一种通用的多物理场耦合方法，通过加权插值与行网格法重构连续界面，并结合保守通量映射算法，实现了不同离散域间高精度且守恒的数据传递。
The Taguchi method for optimizing nonlinear pulse propagation in optical fibers
本文提出将田口方法作为优化光纤中非线性脉冲传播的有效工具，通过正交阵列实现快速收敛，并借助导引中心孤子和色散递减光纤中的孤子阶数守恒两个经典问题验证了该方法在参数优化及解发现方面的潜力。
Scaling Machine Learning Interatomic Potentials with Mixtures of Experts
该论文系统开发了用于机器学习原子间势的混合专家（MoE）架构，通过结合稀疏激活、共享专家及元素级路由策略，不仅显著提升了模型精度并达到基准测试的最先进水平，还揭示了专家网络能够捕捉与元素周期表趋势一致的化学特征。
Non-Markovian heat production in ultrafast phonon dynamics
该研究通过建立微观非马尔可夫声子动力学框架并结合大规模分子动力学模拟，揭示了超快时间尺度下记忆效应对驱动声子模式热产生的影响，并证明了可通过单声子模式动力学直接推断热力学量。