Restoring Convergence Order in Explicit Runge-Kutta Integration of Hyperbolic PDE with Time-Dependent Boundary Conditions
本文提出了一种纯空间修正方法，通过重新设计边界相邻的导数算子并求解代数条件，有效解决了显式 Runge-Kutta 格式在求解含时变边界条件的双曲偏微分方程时出现的阶数降低问题，从而恢复了预期的收敛精度。
🔬 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。
Multi-Level Hybrid Monte Carlo / Deterministic Methods for Particle Transport Problems
本文提出了一种基于准扩散和二阶矩方法的新型多级混合蒙特卡洛/确定性输运算法，通过在空间网格序列上递归估计修正量，利用粗网格计算主导的方差降低特性，实现了以最优计算成本求解中性粒子玻尔兹曼输运方程的功能量。
Introduction to Symbolic Regression in the Physical Sciences
本文作为 2025 年 4 月皇家学会研讨会成果的特刊导论，系统介绍了符号回归在物理科学中的概念基础、核心方法、主要应用及未来挑战，旨在展示该技术在推动科学发现与高效建模方面的加速进展。
Bayesian Optimization for Mixed-Variable Problems in the Natural Sciences
本文提出了一种基于广义概率重参数化方法的贝叶斯优化框架，通过支持非等间距离散变量和梯度优化，有效解决了自然科学与自主实验室中混合变量、高维离散及不连续目标函数的昂贵黑箱优化难题。
Modeling non-Poissonian temporal hypergraphs by Markovian node dynamics
该研究提出了一种基于节点马尔可夫动力学的节点驱动型时序超图模型，通过节点在低活跃与高活跃状态间的随机切换及超边事件生成机制，从理论上解释了即使节点动力学为马尔可夫过程，群体交互事件序列仍能产生重尾间隔时间分布和缓慢衰减的自相关性，从而为连接个体活动波动与真实群体交互的时间模式提供了简洁可解释的框架。
The hidden dimension in nanophotonics design: understanding
该论文强调在纳米光子学设计中，应将黑盒仿真工具与对空间、时间及额外维度所引发复杂性的深入理解相结合，以弥补单纯依赖自动化工具的不足。
Differentiable hybrid force fields support scalable autonomous electrolyte discovery
该论文提出了一种可微分混合力场架构，通过融合物理驱动函数与神经网络短程修正，解决了自主电解质发现中速度、精度与可校准性之间的三难困境，从而实现了支持闭环自主发现的可扩展“化学机器人”就绪数字孪生。
Tensor-Augmented Convolutional Neural Networks: Enhancing Expressivity with Generic Tensor Kernels
该论文提出了一种名为张量增强卷积神经网络（TACNN）的浅层物理引导模型，通过用通用张量替代传统卷积核来利用高阶特征相关性，从而在仅使用少量层数的情况下实现了与深层模型（如 VGG-16 和 GoogLeNet）相当甚至更优的表达能力与准确率。
Direction-aware topological descriptors for Young's modulus prediction in porous materials
该研究提出了一种将压缩轴显式嵌入过滤函数的方向感知拓扑数据分析框架，通过引入方向感知拓扑描述符，显著提升了多孔材料杨氏模量预测的准确性，特别是在各向异性结构中，其表现优于传统方向无关描述符并媲美卷积神经网络。
SMC-AI: Scaling Monte Carlo Simulation to Four Trillion Atoms with AI Accelerators
该论文提出了名为 SMC-AI 的通用算法框架，成功将蒙特卡洛模拟扩展至 AI 加速器（如 NPU 和 GPU）上，实现了在 4096 个 NPU 芯片上对 4 万亿原子进行模拟的突破性规模，其系统规模较以往记录提升了 32 倍，并为未来可扩展科学软件的开发奠定了基础。