Hierarchical Bayesian calibration of mesoscopic models for ultrasound contrast agents from force spectroscopy data
该研究提出了一种结合深度神经网络代理模型与分层正则化的贝叶斯校准框架，成功从力谱数据中高效推导出超声造影剂微气泡的耗散粒子动力学模型参数，从而克服了直接贝叶斯推断计算成本过高的难题。
🔬 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。
NEPMaker: Active learning of neuroevolution machine learning potential for large cells
本文提出了名为 NEPMaker 的框架，通过结合 D-最优性主动学习策略与局部周期性结构嵌入技术，解决了神经进化势（NEP）在大规模模拟中因外推环境导致的训练成本高昂问题，从而显著提升了机器学习势在复杂材料系统中的鲁棒性与泛化能力。
MolCryst-MLIPs: A Machine-Learned Interatomic Potentials Database for Molecular Crystals
本文介绍了名为 MolCryst-MLIPs 的开放分子晶体机器学习势函数数据库，该数据库利用自动化机器学习流程（AMLP）微调了 MACE 基础模型，为九种分子晶体系统提供了高精度且经过动力学稳定性验证的势函数，旨在支持不同热力学条件下分子晶体多晶型的生产级分子动力学模拟。
Symmetry-protected coexistence of a nodal surface and multiple types of Weyl fermions in -
该研究通过第一性原理计算与对称性分析，提出三维硼同素异形体 - 是一种理想的自旋less 拓扑半金属，其独特的对称性保护机制使得二维节面与多种类型（包括非常规双、常规 I 型及完全倾斜 II 型）的零维外尔费米子能够在动量空间中稳定共存且相互独立可辨。
Distributional Inverse Homogenization
本文提出了一种名为“分布性反均质化”的非侵入式方法，通过利用宏观力学性能的大规模测量数据来推断微观结构的统计特性，从而克服了传统反演过程中因平均化效应带来的困难。
Modal analysis of a domain decomposition method for Maxwell's equations in a waveguide
本文结合 Toeplitz 矩阵极限谱分析与麦克斯韦方程模态分解技术，建立了适用于任意截面波导及多种传输条件（如阻抗或完美匹配层）的电磁波问题单层 Schwarz 域分解方法的弱可扩展性理论框架，并通过数值实验验证了该方法在特定参数下对波数的鲁棒性。
Teaching Artificial Intelligence to Perform Rapid, Resolution-Invariant Grain Growth Modeling via Fourier Neural Operator
该研究提出了一种基于傅里叶神经算子（FNO）的新型代理模型，通过整合相场方法实现了多晶系统晶粒生长的快速、分辨率无关且高精度的演化预测，有效克服了传统模拟计算成本高及现有机器学习方法泛化能力不足的局限。
What metric to optimize for suppressing instability in a Vlasov-Poisson system?
本文从偏微分方程约束优化的角度研究 Vlasov-Poisson 系统的等离子体稳定化问题，通过分析色散关系获取有效初始猜测，并对比不同目标函数发现，包含时间积分信息的目标函数能构建出更凸的优化景观，从而更有利于基于梯度的优化方法。
Body-Free Simulation of Three-Dimensional Turbulent Cylinder Wakes
该研究提出了一种无需显式求解圆柱体的三维湍流尾流模拟框架，通过仅在下游位置施加低维入口条件，成功重构了不同雷诺数下的尾流动力学特征，显著降低了计算成本并验证了近尾流不稳定性主导尾流演化的理论。
Fast and principled equation discovery from chaos to climate
本文提出了名为 Bayesian-ARGOS 的混合框架，通过结合快速频率筛选与聚焦贝叶斯推断，在显著降低计算成本的同时实现了从嘈杂、稀缺数据中自动发现复杂系统（从混沌系统到气候模式）的支配方程，并提供了原则性的不确定性量化与统计诊断能力。