Acoustic radiation of thermodiffusively unstable turbulent lean premixed hydrogen-air flames
该研究通过直接数值模拟发现，热扩散不稳定性会显著增强湍流预混贫氢火焰的低频燃烧噪声辐射，其机制在于热扩散效应与湍流的耦合增强了大尺度火焰运动并改变了火焰表面积波动，导致其声谱特征与稳定甲烷火焰存在显著差异。
🔬 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。
A stable and fast method for solving multibody scattering problems via the method of fundamental solutions
本文提出了一种结合局部方法基本解（MFS）与全局散射矩阵的数值方法，用于高效、稳定地求解二维及三维多体声学散射问题，该方法不仅构建简单且具备良好的条件数，还可通过快速多极子算法加速迭代求解。
Dirac Fermions and Flat Bands in Phosphorus Carbide Nanotubes: Structural and Quantum Phase Transitions in a Quasi-One-Dimensional Material
该研究通过第一性原理计算预测了一种新型磷碳化物纳米管（NTs），其独特的蜂窝 - Kagome 晶格结构在室温下稳定，并能在费米能级处同时呈现狄拉克费米子与多重平带，且展现出应变诱导的结构与量子相变、局域边缘态及可调磁性等丰富物理特性，为量子硬件和自旋电子学提供了极具潜力的准一维材料平台。
Renormalization-Inspired Effective Field Neural Networks for Scalable Modeling of Classical and Quantum Many-Body Systems
本文提出了一种基于重整化群中连分数概念的“有效场神经网络”（EFNN）架构，该架构在经典与量子多体系统建模中不仅超越了现有深度网络，更展现出从 训练集泛化至 系统且精度随规模提升的卓越能力，从而以比精确对角化快 倍的速度揭示了其捕捉底层物理规律而非单纯拟合数据的本质。
A quantitative analysis of semantic information in deep representations of text and images
该研究利用信息不平衡度量分析了 DeepSeek-V3 等模型在文本和图像表征中的语义信息分布，发现语义信息在不同语言、模态和架构间呈现收敛趋势，且表征的预测能力显著受层深、模型规模及语言类型的影响，其中独立训练的大规模模型在跨模态预测上甚至优于联合训练的 CLIP 模型。
Scalable Quantum Computational Science: A Perspective from Block-Encodings and Polynomial Transformations
本文提出了一种基于块编码和多项式变换的统一框架，旨在弥合量子算法理论与科学计算实践之间的鸿沟，并探讨了其在化学、物理及优化等领域的可扩展应用前景。
A Flux-Correction Form of the Third-Order Edge-Based Scheme for a General Numerical Flux Function
本文提出了一种适用于任意数值通量函数的三阶边基格式通量修正形式，通过用通量修正项替代算术平均通量，在保持三阶精度的同时实现了对 HLLC 和 LDFSS 等通用通量函数的直接应用。
Chaotic Oscillator Networks for Classification Tasks
该研究提出了一种利用传统人工神经网络自动学习耦合参数以驱动混沌振荡器产生局部共振的新框架，从而解决了大规模非线性振荡器网络在分类任务中的可扩展性与训练收敛难题，并避免了对手工设计耦合项的依赖。
Analysis of molecular dynamics simulation data via statistical distances between covariance matrices
该研究提出了一种基于统计距离分析分子动力学模拟协方差矩阵的新框架，通过降维提取特征，成功实现了从局部统计信息推断全局物理性质（如扩散系数）并有效区分冰与水等不同物相。
Adaptive near-contact repulsion in conservative Allen-Cahn phase-field lattice Boltzmann multiphase model
该论文提出了一种将保守 Allen-Cahn 相场模型与格子玻尔兹曼流体动力学耦合的方法，通过引入一种基于局部膜厚估计的自适应近接触排斥通量，有效解决了多相流模拟中因未解析薄膜动力学导致的虚假聚并问题，同时保持了计算效率并适用于大规模并行计算。