Accelerating two-dimensional tensor network optimization by preconditioning
该论文针对无限投影纠缠对态（iPEPS）梯度优化中计算成本高和收敛慢的问题，提出了一种基于度量张量主导项的高效预条件方法，并在海森堡和Kitaev模型上验证了其显著的计算效率提升。
🔬 Category
physics.comp-ph
130 篇论文
El Agente Cuantico: Automating quantum simulations
本文介绍了名为“量子代理”（El Agente Cuántico）的多智能体 AI 系统，该系统通过自然语言接口自动将科学意图转化为跨异构量子软件框架的端到端模拟工作流，从而降低了量子模拟的技术门槛并推动了其自主化发展。
Entanglement Barriers from Computational Complexity: Matrix-Product-State Approach to Satisfiability
该论文通过矩阵乘积态的虚时演化方法研究 3-SAT 问题，揭示了由经典计算复杂性（特别是#3-SAT 计数问题的难度）所导致的量子纠缠壁垒，并指出该量子启发式方法所需的非稳定化资源随系统规模超线性增长，从而证明了经典计算复杂性会直接体现为量子纠缠特性。
Direct Variational Calculation of Two-Electron Reduced Density Matrices via Semidefinite Machine Learning
该论文提出了一种结合输入凸神经网络与半定规划的半定机器学习框架，通过从分子数据中学习两电子约化密度矩阵（2-RDM）的顶点边界近似，在无需显式构建高阶正性条件的情况下，显著提升了直接变分计算 2-RDM 的精度，使其结果与完全活性空间组态相互作用（CASCI）高度一致。
Drifting to Boltzmann: Million-Fold Acceleration in Boltzmann Sampling with Force-Guided Drifting
该论文首次将漂移模型引入分子构象生成，通过建立“漂移力恒等式”将物理力场融入生成过程，并发现其在坐标空间（FI）和距离特征空间（FK）中分别具有独特优势，从而实现了比传统分子动力学快百万倍、且兼具完美结构有效性与玻尔兹曼分布精度的单步采样。
JAWS: Enhancing Long-term Rollout of Neural Operators via Spatially-Adaptive Jacobian Regularization
本文提出了名为 JAWS 的基于空间自适应雅可比正则化的概率正则化策略，通过根据局部物理复杂度动态调整正则化强度，在抑制高频不稳定性与保留奇异特征梯度之间取得平衡，从而显著提升了神经算子在长时程推演中的稳定性、激波保真度及泛化能力，同时降低了训练计算成本。
Investigation of Aeroacoustics and In-flight Particle Transport in Thermal Spray Supersonic Jets
该研究通过结合解析模型与基于 URANS 和 DDES 的数值模拟，揭示了热喷涂超音速射流的操作条件如何影响射流不稳定性、粒子飞行特性及远场声学特征，从而提出利用气动声学信号作为非侵入式手段来监测和控制热喷涂工艺。
Towards Efficient and Stable Ocean State Forecasting: A Continuous-Time Koopman Approach
本文提出了一种连续时间 Koopman 自编码器（CT-KAE）作为双层准地转海洋系统的轻量级代理模型，通过将其非线性动力学投影为线性常微分方程，实现了比自回归 Transformer 基线更稳定、误差增长有界且推理速度快数个数量级的长时序海洋状态预测。
Hybrid ensemble forecasting combining physics-based and machine-learning predictions through spectral nudging
该研究首次将谱松弛技术应用于概率集合预报框架，通过将机器学习模型（AIFS-ENS）的大尺度预报信息松弛至物理模式（IFS-ENS），成功构建了混合集合预报系统，显著提升了热带和温带地区的预报技巧及热带气旋路径预测精度。
On the Value of Tokeniser Pretraining in Physics Foundation Models
该论文首次系统研究了物理基础模型中 Tokenizer 预训练的价值，发现通过在相同物理系统上进行自编码预训练，可显著提升下游动力学建模的计算效率与精度（VRMSE 降低 64%），并提出了支持运行时调整压缩比的灵活时空压缩操作。
Non-intrusive Monitoring of Sealed Microreactor Cores Using Physics-Informed Muon Scattering Tomography With Momentum Measurements
本文提出了一种名为TRec的物理信息框架，通过结合高斯多重库伦散射模型与贝叶斯更新及动量测量，利用宇宙射线μ子散射层析成像技术，实现了对密封微堆芯内缺失燃料的高灵敏度、非侵入式检测，其检测能力显著优于传统方法。
Accelerating Numerical Relativity Simulations with New Multistep Fourth-Order Runge-Kutta Methods
本文提出了一种利用前步数据以减少中间阶段计算量的新型显式多步四阶龙格 - 库塔方法，并通过爱因斯坦工具包在数值相对论应用中验证了其加速效果。
Quantum chemistry based on classical mechanics inspired by simulated bifurcation
该论文提出了一种受模拟分叉启发的经典力学算法（SBCI），用于高效求解构型相互作用问题，在保持高精度的同时显著降低了计算成本，为加速高精度电子结构计算提供了新途径。
Machine Learning Based Mesh Movement for Non-Hydrostatic Tsunami Simulation
该研究提出了一种基于机器学习的网格移动方法（UM2N），将其应用于非静水浅水模型中，在确保模拟精度和鲁棒性的同时显著提升了计算效率，从而有效支持了概率性海岸灾害评估。
Spin-Orbit Induced Non-Adiabatic Dynamics: An Exact -Representation
该研究通过理论推导与高精度基准测试证明，将分子哈密顿量从表象转换至绝热表象虽能消除自旋轨道耦合，但会引入显著的自旋轨道诱导非绝热耦合，若忽略这些项将导致严重误差，因此表象的单态近似仅在相互作用态能级充分分离时可靠，否则必须显式包含非绝热项。
Frustrated supermolecules: the high-pressure phases of crystalline methane
该研究通过基于密度泛函理论的分子动力学模拟，揭示了高压下甲烷晶体复杂相（如相 A 和相 B）可被理解为近球形超分子团簇的堆积结构，其非立方对称性及相变迟滞源于分子取向对间距的敏感依赖，体现了高效堆积与熵抑制之间的竞争平衡。
Long-range machine-learning potentials with environment-dependent charges enable predicting LO-TO splitting and dielectric constants
该研究提出了两种结合环境依赖点电荷的长程机器学习势模型，通过引入显式静电相互作用，不仅降低了训练误差并准确预测了有机二聚体的结合曲线，还成功实现了对各向同性 NaCl 晶体 LO-TO 分裂和介电常数的预测，并展示了该方法在各向异性 PbTiO声子谱计算中的广泛适用性。
Exotic Pressure-Driven Band Gap Widening in Carbon Chain-Filled KFI Zeolite and Its Pathway to High-Pressure Semiconducting Electronics and High-Temperature Superconductivity
该研究发现碳链填充的 KFI 沸石在高压下表现出反常的带隙展宽现象，并成功合成了超长累积烯链，实现了高达约 62 K 的超导转变温度，为高压半导体电子学和高温超导研究开辟了新途径。
An Overview of Relativistic Particle Pushers and their Extension to Arbitrary Order Accuracy
本文全面比较了粒子在细胞（PIC）模拟中的显式相对论粒子推进器，指出其中一类方案可推广至任意高阶精度，并对比了其四阶与二阶变体的性能。
Hole-doping reduces the coercive field in ferroelectric hafnia
该研究通过第一性原理计算和唯象模型预测，空穴掺杂可通过激活经由非极性正交 Pbcm 相的极化翻转路径，将氧化铪的矫顽场从 8 MV/cm 降低至 6 MV/cm，从而将其转变为具有更低开关能耗的本征铁电体。