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。

本文介绍了物理信息多元函数逼近（PI-MFA），这是一个利用张量积 B 样条生成连续、可微流场重建的框架，通过优化控制点来平衡数据保真度与支配物理定律，从而确保即使在输入数据不一致的情况下也能获得符合物理规律的结果。

本文表明，经过最优训练的小型 LSTM 网络表现出近临界的分支动力学和无标度雪崩统计特性，而较大的模型则保持亚临界状态，并提出了一个混合分支过程框架来解释异质动力学如何仍能产生鲁棒的长程时间相关性。

本文介绍了 PulsarX，这是一个利用自适应 Kolmogorov-Arnold 网络和自动化训练流水线的开源框架，旨在实现高度精确、自洽的轴对称脉冲星磁层解，与以往的物理信息神经网络方法相比，该框架显著提高了收敛速度，减少了人工调优，并具备解析极端空间尺度的能力。

本文提出了一种基于优化收紧（OBBT）的框架，该框架利用区间算术和 McCormick 松弛，为不可识别的地下水模型提供保证的、无采样的不确定性边界，同时通过特定的符号约束和无旋约束来解决诸如非物理旋转流等挑战。

本文引入了一种结合基于稀疏回归的簇展开与半巨正则蒙特卡洛采样的组合方法，用于高效模拟无序岩盐结构正极材料的插层热力学，成功重现了实验电压曲线，并阐明了 Li $_{1.3-x}$ Mn $_{0.4}$ Nb $_{0.3}$ O $_{1.6}$ F $_{0.4}$ 中锰和氧的氧化还原贡献。

本文介绍了 BayesMBAR，这是一种多状态贝内特验收比（MBAR）方法的贝叶斯推广版本，它通过计算自由能后验分布来提供更准确的不确定性估计，并允许将先验知识（如表面平滑度）纳入自由能计算中。

本文提出了一种基于共识的框架，该框架将相空间探索与基于后验残差的自适应采样相结合，以解决联合构建代理模型与为高维能量景观生成样本的极小极大优化问题，从而有效地实现复杂生物分子系统中自由能表面的高效近似。

本研究利用机器学习和基于扩散结构的预测方法，揭示了作为关键固体电解质界面组分的非晶态二氟磷酸锂（ $\ce{LiPO2F2}$ ）由于结构无序和丰富的间隙缺陷而表现出高离子电导率，这表明非晶态混合阴离子相是锂离子电池中的主要快速离子通道。

本文研究了软边界与硬边界强制执行技术对物理信息神经网络（PINNs）在求解弹性动力学问题时准确性与训练效率的影响，证明了虽然在隐式几何结构上对牵引力条件进行硬强制执行可以缩短运行时间，但与软强制执行相比，这往往是以牺牲解的准确性为代价的。

本文介绍了一种智能体引导的多保真度学习框架，该框架利用结构智能体来诊断 GW-Bethe-Salpeter 计算中的数值不稳定性，并应用机器学习修正来准确预测应变 MoS2-WS2 双层材料中的准粒子和激子特性，从而证明了显式检测数值脆弱性对于可靠地对激发态材料进行代理建模至关重要。