Watts-per-Intelligence Part II: Algorithmic Catalysis
本文在“每瓦特智能”框架下建立了算法催化热力学理论，证明了任务类特定加速受限于算法互信息且伴随兰道尔擦除的最小热力学成本，从而导出了催化剂实现能量优势所需的部署时域下界，并将该理论应用于仿射 SAT 类及当代学习系统。
🔬 Category
physics.comp-ph
1164 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。
Chaos Gated Tunneling Drives Molecular Reactivity in Astrophysical Environments
该研究提出了一种结合多参考电子结构理论、绝热规范势和随机矩阵理论的混沌诊断框架，揭示了在木星等巨行星大气相关的超冷离子 - 分子反应中，过渡态处的量子混沌抑制如何通过“混沌门控”机制显著增强质子隧穿概率，从而为修正天体化学网络动力学模型提供了新的理论依据。
Modulation Effects of Atmospheric Environmental Conditions on Mesoscale Convective Systems over Tropical Oceans
该研究利用卫星和再分析数据构建热带中尺度对流系统（MCS）观测数据集，并通过随机森林模型量化发现，水汽辐合、大气不稳定性和整层水汽是主导热带 MCS 月频数及降水变化的关键环境因子，且其相对重要性随区域和季节呈现显著的非线性差异。
Two-Way Feedback Mechanisms between the Madden-Julian Oscillation and Mesoscale Convective Systems
该研究利用卫星数据和长期 MCS 追踪数据集，证实了 Madden-Julian 振荡（MJO）与中尺度对流系统（MCS）之间存在双向反馈机制：MJO 通过调控大尺度环境组织 MCS 活动，而 MCS 群通过动量和热量输送反作用于 MJO，从而主动维持并推动其东传。
Accelerating point defect simulations using data-driven and machine learning approaches
本文综述了过去十年利用数据驱动和机器学习方法加速固体材料点缺陷模拟的研究进展，重点介绍了基于描述符的模型、代理模型及机器学习势函数在氧化物缺陷性质预测中的应用，并展望了将这些计算结果与实验数据结合的未来方向。
Uncertainty-Aware Spatiotemporal Super-Resolution Data Assimilation with Diffusion Models
本文提出了一种基于去噪扩散模型的 DiffSRDA 框架，该框架通过结合低分辨率预报与稀疏高分辨率观测，在无需高分辨率集合预报的情况下，实现了计算高效且具备物理意义不确定性量化的时空超分辨率数据同化，并支持无需重训练即可适应观测布局变化。
A High-Order Nodal Galerkin Formulation for the Müller Equation: Bypassing Divergence Conformity via Kernel Cancellation
本文提出了一种基于核函数抵消机制的高阶节点伽辽金格式，通过消除穆勒方程中的超奇异性，成功摆脱了对散度相容基函数的传统依赖，从而在弯曲流形上实现了针对穿透性电磁散射问题的鲁棒且高精度的数值求解。
Fractals of Simple Random Walks in Two Dimensions: A Monte Carlo Study
该论文通过蒙特卡洛模拟证实，二维周期格点上离散时间简单随机行走形成的团簇具有对数分形特征，其外部轮廓分形维数为 4/3（符合 SLE预测），且化学距离以 的标度律增长，达到了二维高斯自由场水平集团簇的理论上限。
JAX-BEM: Gradient-Based Acoustic Shape Optimisation via a Differentiable Boundary Element Method
该论文介绍了 JAX-BEM，这是一种基于 JAX 自动微分框架构建的可微边界元法求解器，它不仅在声学模拟基准测试中达到了与传统代码相当的精度，还成功实现了高效的基于梯度的几何形状优化。
Enabling Biomolecular Simulations with Neural Network Potentials in GROMACS
本文介绍了一种集成于 GROMACS 中的灵活接口，支持将 PyTorch 框架训练的神经网络势函数应用于混合机器学习/分子力学模拟，从而实现了在生物分子体系中进行增强采样、自由能计算及蛋白 - 配体模拟等高级工作流程。