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。
该研究通过自动提取晶体学数据库中的单核镝配合物并结合多参考从头算方法，对超过 3 万种分子进行了高通量筛选，发现通过精细设计有机配体可显著提升镝离子的磁各向异性，其中新设计的分子实现了比参考化合物约 100% 的磁各向异性提升。
该论文提出了一种结合临床数据生成虚拟队列并利用深度神经网络构建代理模型的框架，旨在实现个性化的实时血流动力学预测与参数估计，从而有效筛选非生理参数组合、降低合成数据生成成本，并解决中心主动脉血流动力学（如心输出量和收缩压）的逆向估计问题。
该研究提出了一种结合一维动脉模型与物理信息神经网络（PINNs）的非侵入式框架，仅需袖带压力等少量数据即可在数分钟内快速、准确地反演患者特异性血流动力学参数（如心输出量和中心收缩压），并实现了终端阻力与顺应性等参数的自适应调节。
本文提出了一种高效算法，通过寻找与二维面三角剖分相关的次级锥交集内部的高度向量，直接生成互不同伦的卡拉比 - 丘三维流形，从而避免了在克鲁泽 - 斯卡克数据库中枚举所有精细正则星形三角剖分所带来的巨大冗余和计算开销。
本文提出了一种名为 RiteWeight 的算法，通过迭代重加权轨迹片段并结合随机聚类策略，在不引入离散化误差的情况下，从未收敛的分子动力学模拟数据中准确估计平衡态及非平衡稳态分布。
本文提出了 PI-JEPA 框架，这是一种无需完整偏微分方程求解即可利用无标签参数场进行预训练的代理模型方法，它通过算子分裂的潜在预测机制显著降低了多物理场模拟对昂贵标注数据的依赖，仅需少量标签即可实现高精度预测。
本文提出了一种结合编码智能体、可进化技能库与物理仿真评估器的自进化智能体框架，通过跨任务迭代优化求解器特定策略，显著提升了超表面逆向设计的任务成功率、指标通过率并减少了尝试次数，从而实现了无需修改模型权重或物理求解器即可积累可复用专家知识的自主设计流程。
本文通过求解包含质量分层效应的斯莫卢霍夫斯基聚结方程，利用蒙特卡洛方法模拟了原初黑洞团簇的连续并合过程，揭示了其 runaway 时标及质量演化规律，从而为解释 JWST 发现的高红移“小红点”超大质量黑洞提供了基于原初黑洞团簇演化的理论依据。
该论文提出了一种基于 Transformer 自注意力机制与多模态深度学习的新型框架，通过利用系统时序特征对硬anger 大桥进行风致结构响应预测并构建数字孪生体，在无需假设风场平稳性或结构正常振动行为的前提下，实现了对环境或交通条件变化下结构异常的有效早期预警。
本文开发了基于 OpenEdge 代码的锂液滴输运与蒸发模型，通过验证与大规模模拟揭示了液滴初始参数对 CAT 托卡马克边缘等离子体中输运轨迹及质量损失的关键影响，并建立了支持自洽评估液滴对边缘等离子体性能影响的双向耦合框架。