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。

本文引入有效秩（ $\kappa$ ）作为一种新颖的定量指标，用于表征量子神经网络的表达能力，并利用带有自注意力 Transformer 智能体的强化学习框架，自动设计能够最大化该指标的高表达能力量子电路架构。

本文证明，通过调节非 Clifford 门的比例，可以持续优化量子储层计算的可用性与可扩展性，从而在储层性能、纠缠统计与非稳定子资源之间建立直接联系，以导航经典可模拟与计算复杂的量子动力学之间的边界。

本文介绍了通用神经传播子（UNP），这是一种自监督基础模型，它通过将驱动协议直接映射到传播子，从而学习预测跨多种初始状态和驱动协议的量子多体时间演化，进而实现了超越精确对角化能力的可迁移模拟。

本文评估了IPPL库中多种泊松求解器（包括FFT、PCG、FEM以及新型粒子傅里叶（PIF）方案）在多样化GPU架构上进行静电PIC模拟时的性能与可移植性，发现尽管FFT速度最快，但PIF方案作为一种高保真替代方案具有出色的可扩展性。

本文提出了一种可扩展且具有平移不变性的变分理论，用于从头算极化子，该理论将动量投影波函数与低秩核分解相结合，以在热力学极限下精确描述不同耦合机制下的载流子行为，并揭示了现有图解蒙特卡洛结果在描述氟化锂中强耦合空穴极化子时存在的显著偏差。

本文介绍了一个半局部框架，该框架将可极化原子多极矩与非自洽线性响应相结合，使机器学习原子间势能够准确模拟长程静电作用，并预测跨越多种离子和极性体系的极化敏感可观测量，如玻恩有效电荷和红外光谱。

本文提出了一种数据驱动框架，利用科普曼算子分析和动态模态分解，直接从时空数据中重构能带色散、谱函数及量子几何性质，为无需显式哈密顿量即可分析凝聚态与光子学中的波传播及拓扑相提供了一种统一方法。

本文报道了一种改进的激发态氩团簇双原子分子内（DIM）计算，该计算纳入了先前被忽略的 3p4s 与 3p4p 态之间的强避免交叉，以更好地理解激发的局域化以及 diabatisation 对团簇异构体的影响。

本研究通过采用对相空间动力学、谱统计和动力学测度的统一分析，探究了豆形和花生形台球中经典混沌与量子混沌之间的强相关性，揭示了这些非均匀曲率系统中共享的混沌行为及本征函数疤痕。

本研究采用多维模拟揭示，钙钛矿太阳能电池中的纳米纹理界面通过重新分布电场和调控载流子动力学来提升功率转换效率，其中传输层特定的纹理高度和表面复合速率决定了最终的开路电压和短路电流密度。