Optimization of Cost Functions in Absolute Plate Motion Modeling
本文提出了一种更简洁直观的热点成本函数新表述，通过对热点轨迹数据进行预插值处理来减少误差传播，从而优化了 optAPM 代码中的目标函数构建，显著提升了绝对板块运动建模的精度与可靠性。
🔬 Category
physics.comp-ph
133 篇论文
Adaptive Sensing of Continuous Physical Systems for Machine Learning
该论文提出了一种通用计算框架，通过可训练的注意力模块自适应地选择物理动力系统的探测位置并融合测量数据，从而显著提升了基于物理系统的机器学习预测精度。
Multimode cavity magnonics in mumax+: from coherent to dissipative coupling in ferromagnets and antiferromagnets
本文提出了一种基于 mumax+ 框架的两层架构扩展，通过 GPU 加速的 CUDA 内核与轻量级 Python 协同模拟，实现了从相干到耗散耦合的多模腔磁子学模拟，成功验证了包括反铁磁体在内的多种铁磁与反铁磁体系中的光子 - 磁子相互作用物理现象。
Loading of Relativistic Maxwellian-type Distributions Revisited
本文提出了一种基于逆变换采样的简单数值方法，通过引入相对论麦克斯韦型能量分布并构建其累积分布的近似可逆函数，实现了从均匀随机变量到动量矢量的高效加载，数值测试证实该方法能成功复现该分布。
Numerical evaluation of Casimir forces using the discontinuous Galerkin time-domain method
本文提出了一种基于间断伽辽金时域方法的数值方案，通过将麦克斯韦应力张量转化为电偶极子和磁偶极子驱动的散射问题，实现了对各种几何构型和材料属性下（包括有限温度）卡西米尔力的精确计算，并验证了其在缺乏解析解的复杂结构中的有效性。
Fast proton transport and neutron production in proton therapy using Fourier neural operators
该研究提出了一种基于傅里叶神经算子的代理模型，能够在秒级时间内以蒙特卡洛精度快速预测质子治疗中的质子输运及非各向同性中子产额，从而为实时自适应质子射程验证系统提供了高效的解决方案。
Modified-gradient methods for exact divergence-free in meshless magnetohydrodynamics
本文提出了一种基于隐式投影的改进梯度（MG）方法，通过修正磁场梯度在无网格磁流体动力学模拟中实现了机器精度下的严格散度为零，并在多种测试中展现出优于约束梯度（CG）技术及 GIZMO 代码的精度与数值耗散特性。
Reducing hyperparameter sensitivity in measurement-feedback based Ising machines
本文针对基于测量反馈的 Ising 机器因离散时间演化导致超参数有效范围受限的问题，分析并实验验证了一种降低其超参数敏感性的方法。
Nine-element machine-learned interatomic potentials for multiphase refractory alloys
本文开发了一个涵盖多种相态的难熔合金数据库，并提出了两种高效通用的机器学习势函数（tabGAP 和 NEP）及交叉采样策略，实现了对 IV 至 VI 族元素任意成分合金的精确模拟，成功复现了相变、晶界偏析及辐射损伤等关键物理现象。
Machine-learned Interatomic Potential for TiC MXenes: Application to Ion Irradiation Simulations
该研究开发了一种用于 TiC MXenes 的高效机器学习势函数，并通过离子辐照模拟揭示了缺陷形成机制，为 MXenes 的缺陷工程及同类材料的原子模拟提供了重要指导。
Topological interfacial states in ferroelectric domain walls of two-dimensional bismuth
该研究利用机器学习方法发现，二维铋单层中的带电畴壁能量更低，且尾对尾畴壁因拓扑不变量变化及内建电场导致的能级分裂而展现出费米能级处的拓扑界面态，表明其是开发畴壁器件的潜在平台。
Unraveling Lithium Dynamics in Solid Electrolyte Interphase: From Graph Contrastive Learning to Transport Pathways
本文提出了名为 GET-SEI 的通用框架，通过结合图对比学习、扩展动态模式分解和过渡路径理论，无需预设标签即可自动识别固态电解质/锂金属界面中的局部原子环境并量化锂离子传输动力学，从而为不同体系的固态电池界面优化提供可解释的定量评估工具。
ChemNavigator: Agentic AI Discovery of Design Rules for Organic Photocatalysts
本文介绍了名为 ChemNavigator 的自主智能体 AI 系统，它通过结合大语言模型推理与密度泛函紧束缚计算，在无需显式编程的情况下，从有机光催化剂的探索中自主推导出了六条具有统计学显著性且符合化学原理的结构 - 性能设计规则，从而超越了传统机器学习方法并建立了可解释的 AI 辅助材料发现框架。