Microcanonical simulated annealing: Massively parallel Monte Carlo simulations with sporadic random-number generation
本文提出了一种通用的微正则模拟退火（MicSA）形式体系，该体系大幅降低了大规模并行蒙特卡洛模拟中随机数生成的计算负担，并通过在 GPU 和 Janus II 超级计算机上对三维伊辛自旋玻璃进行的严格基准测试，证明了其有效性及其与标准方法的动力学等价性。
🔬 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。
Maxwell à la Helmholtz: Direct boundary integral equations for 3D scattering by perfect electric conductors via Helmholtz operators
本文提出了针对理想电导体三维电磁散射问题的唯一可解第二类直接边界积分方程公式，该公式通过亥姆霍兹算子结合定制函数空间及电荷守恒修正以保障低频稳定性而推导得出，并经由高阶数值实验加以验证。
Geant4 Optical Simulation without C++
本文介绍了一种扩展的 Geant4 纯文本几何语法，该语法通过新增的“:prop”和“:surf”标签引入光学属性，使用户能够在无需编写 C++ 代码的情况下配置并执行复杂的光学模拟。
Interaction-controlled localization in one-dimensional chain: From edges to domain walls
采用哈特里-福克平均场方法，本研究表明在半满的苏 - 施里弗 - 海格链中，束缚态的局域化由扩展相互作用与在位 Hubbard 相互作用之比（）决定，该比值决定了是出现边缘自旋密度波模式还是链中电荷密度波畴壁，且与系统的能带拓扑无关。
Efficient Deconvolution in Populational Inverse Problems
本文提出了一种高效方法，用于通过同时反卷积未知噪声分布并从多个物理系统观测中推断参数分布来解决总体反问题，该方法利用改进的梯度下降算法和主动学习方案以加速计算并实现黑盒模型的自动微分。
Integration of Silica in G4CMP for Phonon Simulations: Framework and Tools for Material Integration
本文在 G4CMP 框架内提出了一种新的形式化方法及基于 Python 的工具，以支持在定制材料中进行声子模拟，并通过针对适用于 BeEST 型超导探测器实验的二氧化硅声子输运性质的详细分析予以验证。
Scaling Laws and Symmetry, Evidence from Neural Force Fields
本文表明，通过等变架构（尤其是具有高阶表示的架构）融入任务对称性，可显著改善原子间势的缩放规律，这表明基本的归纳偏置应当被显式设计，而非留待模型在扩展过程中自行发现。
HINORA II: Testing the Existence of the Council of Giants in ΛCDM simulations
本文将 HINORA 算法应用于宇宙学模拟，发现巨人之议的存在在标准CDM 模型中是一个统计上罕见的异常（超过 2.7 个标准差），表明它要么是偶然构型，要么是暗物质-only 模拟未能捕捉到的物理过程的证据。
Experiments, Computability, and the Existence of Physical Functions
本文认为，可重复的实验室实验充当了从输入到输出计算物理映射的算法，证明了这些函数的存在性与有限精度测量相容，且不同于可计算性或协议独立性的问题。
Predicting Euler Characteristics and Constructing Topological Structure Using Machine Learning Techniques
本研究提出了一种新颖的机器学习框架，该框架通过生成自旋构型并计算其斯格明子数来预测输入图像的欧拉示性数，利用物理信息哈密顿量损失函数来优化拓扑结构，而无需依赖大量预先存在的数据集。