When Attention Beats Fourier: Multi-Scale Transformers for PDE Solving on Irregular Domains
本文介绍了多尺度注意力 Transformer（MSAT），通过全面的实证与理论分析证明，基于注意力的架构在求解不规则域上的偏微分方程时优于傅里叶域算子，同时揭示了一个关键权衡：物理信息正则化虽能改善扩散主导型问题，却会损害混沌机制下的性能。
🔬 Category
physics.comp-ph
903 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。
A meshfree exterior calculus for generalizable and data-efficient learning of physics from point clouds
本文介绍了 MEEC-Net，这是一种数据高效且无需网格的神经网络，它利用一种新颖的外微积分框架在点云上学习保持结构的物理规律，与现有的神经算子基线相比，其在几何形状和参数方面的分布外泛化能力更为卓越。
CrystalREPA: Transferring Physical Priors from Universal MLIPs to Crystal Generative Models
CrystalREPA 是一个即插即用框架，它通过对比目标将生成模型表示与冻结的通用机器学习原子间势（MLIPs）对齐，从而增强生成晶体的稳定性、有效性和保真度，并揭示出 MLIP 的迁移有效性更取决于其表示的可区分性，而非其标准精度基准。
Nonlinear GENERIC Informed Neural Networks (N-GINNs): learning GENERIC dynamics with non-quadratic dissipation potentials
本文介绍了非线性 GENERIC 信息神经网络（N-GINNs），这是一种通过凸耗散势强制热力学一致性的深度学习框架，能够准确发现同时具有保守动力学和非二次耗散特性的系统的演化方程。
Semi-Supervised Neural Super-Resolution for Mesh-Based Simulations
本文介绍了 SuperMeshNet，这是一种半监督神经框架，它利用互补学习和归纳偏置，从低分辨率数据高效重建高保真基于网格的模拟解，同时所需的高分辨率训练数据比全监督基准少 90%。
Constitutive Priors for Inverse Design
本文提出了一种用于弹性网络逆向设计的端到端框架，该框架通过利用热力学一致的潜在先验、同伦延拓以及神经网络平滑性约束，在本构行为空间中优化空间变化的材料属性，从而在不依赖网格对应关系的情况下鲁棒地求解偏微分方程约束优化问题。
Teaching Molecular Dynamics to a Non-Autoregressive Ionic Transport Predictor
本文提出了一种非自回归学习框架，该框架在训练过程中利用原子轨迹作为辅助模态，从而能够从静态结构实现快速、准确且动态的离子输运预测，且无需在推理阶段进行序列推理或依赖轨迹数据。
Classification of Chimera States via Fourier Analysis and Unsupervised Learning
本文提出了一种新颖的方法，将傅里叶分析与归一化总变差的无监督聚类相结合，以精确检测和分类耦合瑞利振子网络中的各类 chimera 态，从而克服了现有检测技术的局限性。
Accuracy assessment of scalar wave propagation methods for diffractive optics design: from thin elements to thick binary grating
本文针对二元衍射光栅，通过将薄元近似、光束传播和波传播方法与严格参考解进行系统对比评估，生成了精度图谱，以基于空间频率和光栅厚度指导逆向设计流程中合适前向模型的选择。
Fast Evaluation of the Azimuthal Fourier Modes of the 3D Helmholtz Green's Function and Their Derivatives
本文提出了一种算法，该算法通过结合围道变形与稳定递推关系，能够针对任意实波数高效且精确地计算三维亥姆霍兹格林函数的方位角傅里叶模态及其导数，从而支持高性能轴对称声散射模拟。