Benchmarking of Massively Parallel Phase-Field Codes for Directional Solidification
本文提出了一个综合基准测试，对比了用于在实验相关条件下模拟 Al-Cu 和 SCN-樟脑合金定向凝固的 GPU 加速有限差分相场代码（GPU-PF）与 CPU 并行化有限元自适应网格代码（PRISMS-PF），验证了它们在预测枝晶形貌和尖端动力学方面的准确性，同时评估了其计算性能以支持集成计算材料工程工作流。
🔬 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。
qFHRR: Rethinking Fourier Holographic Reduced Representations through Quantized Phase and Integer Arithmetic
本文介绍了 qFHRR，这是一种傅里叶全息降维表示的量化相位形式，它用仅基于整数的模运算替代浮点运算，从而显著降低内存占用并支持高效的硬件实现，同时保留了原始复数框架的代数性质和高保真相似度结构。
From Code to Figure: A FAIR-Aligned Data Provenance Chain for Reproducible Simulation Research in Numerical Physics
本文提出了一种与 FAIR 原则相一致的综合工作流，该工作流结合了版本控制、自动化测试、结构化日志记录和标准化后处理，以建立完整的数据溯源链，确保数值物理模拟从代码开发到已发表图表的可重复性。
Accelerating finite-element-based projector augmented-wave density functional theory calculations with scalable GPU-centric computational methods
本文提出了一种可扩展的、以 GPU 为核心的有限元投影缀加波（PAW-FE）方法，该方法利用混合精度算术和切比雪夫滤波子空间迭代等算法创新，为大规模、化学精度密度泛函理论模拟实现了显著加速并具备百亿亿次级就绪性能。
Implementation of the hybrid exchange-correlation functionals in the SIESTA code
本文在 SIESTA 代码中提出了一种高效且准确的杂化交换关联泛函实现方案，该方法利用数值原子轨道的高斯拟合表示，从而能够开展大规模、可扩展的扩展体系模拟，并显著改善带隙预测精度。
Mixture of Experts Framework in Machine Learning Interatomic Potentials for Atomistic Simulations
本文介绍了一种用于机器学习原子间势的多保真度混合专家框架，该框架对模拟域进行空间划分，并采用协同训练策略以解决界面处的力学失配问题，从而在超过标准方法两倍的计算速度下，为复杂催化系统实现高保真度精度。
Scaling in Supersonic Turbulence: Energy Spectra and Fluxes using High-Fidelity Direct Numerical Simulations
利用高分辨率 GPU 加速的直接数值模拟，本研究揭示超音速湍流在能量级联机制上发生了根本性转变，其特征是旋转能谱从类 Kolmogorov 标度向类 Burgers 标度的过渡，这一过渡由从螺线管模态向压缩模态的主导跨尺度能量转移所驱动。
Drift-Free Conservative Dynamics from Quantized Interaction Rules
本文提出了一种用于保守动力学的算子级框架，该框架在量化状态空间上利用精确的反对称整数转移规则，在算术层面直接消除数值舍入漂移并强制实施熵选择，从而在不依赖近似通量抵消的情况下保持守恒律和激波结构。
GMT: A Geometric Multigrid Transformer Solver for Microstructure Homogenization
本文介绍了 GMT（几何多重网格 Transformer），它通过将神经预测与数值严谨性相结合，实现了高保真、实时的晶格超材料均质化，在保持工程级精度的同时，相比最先进求解器实现了 160 倍的加速。
Generalized Yee methods: Scalable symplectic finite element Maxwell solvers
本文介绍了广义 Yee 方法（GYMs），这是一类可扩展的保结构有限元麦克斯韦求解器，它利用 de Rham 相容单元和稀疏质量矩阵近似，将 Yee 方法推广至非结构化网格并实现高阶精度，同时严格保持局部性和辛结构，以确保长时间数值稳定性及粒子网格耦合。