physics.comp-ph 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。

本文提出了一种结合轨迹历史的非参数反应坐标优化框架，有效克服了稀有事件动力学分析中的诸多挑战，无需大量采样即可在蛋白质折叠、气候模型及临床数据等复杂系统中实现高精度的动力学表征。

本研究揭示了在具有无噪圆形核心与高噪外围的复杂噪声环境中，相互排斥的维塞克（Vicsek）活性粒子会涌现出随噪声强度变化的旋转有序性，并表现出全局有序度先降后升的“U”型重入现象，且该行为受粒子速度及环境噪声梯度的显著调控。

本文通过建立基于矩的准线性理论，阐明了冷电子如何通过引发次级不稳定性将平行传播的哨声模合唱波能量转移至斜向静电波，从而导致主波显著阻尼并限制了内磁层中特定波型的共存。

本文提出了一种统一的软件辅助交叉验证方法，通过统一关键参数实现了 DDSCAT、ADDA 和 IFDDA 三种主流开源离散偶极近似（DDA）求解器在机器精度上的一致性，并系统评估了其在不同并行架构下的性能表现，从而为可重现、可互操作的电磁散射模拟及公平基准测试提供了实用指南。

本文研究了自动编码器降阶模型中的几何正则化策略，发现在固定实验设置下，尽管近等距、随机增益和二阶曲率等正则化方法能改善解码器平滑度，但往往使后续潜空间动力学训练更困难，而基于第一层解码器的 Stiefel 投影正则化则能一致提升潜空间动力学的条件数诊断指标并改善长期预测性能。

该论文提出了一种仅需网络几何与拓扑信息即可从任意离散弹簧网络精确推导其对应弹性连续体模型的新方法，通过计算非仿射位移成功预测了包括负泊松比材料在内的各类系统的力学性能，从而避免了昂贵的数值模拟并推动了弹性系统的理性设计。

本文提出了一种名为"Astral"的新型损失函数，通过利用误差上界（error majorants）替代传统的残差最小化来训练物理信息神经网络，从而实现了对解误差的直接、可靠估计，并在多种偏微分方程问题中展现出比残差损失更快的收敛速度、更低的误差以及更优的误差空间相关性。

本文提出了一种结合残差自适应细化（RBAR）与因果感知训练的框架，通过迭代优化策略显著提升了物理信息神经网络（PINNs）在相场建模中处理复杂动态界面演化的精度与效率，有效克服了传统方法在捕捉移动边界时的局限性。

该论文提出了一种基于重加权退火框架的通用方案，通过将目标可观测量表示为两个配分函数的比值并借助易解参考点连接，成功解决了量子蒙特卡洛模拟中处理广义测量（包括多体关联、非局域算符及时空关联等）的难题，并有望推广至统计物理、大数据及机器学习等领域。

该论文提出了一种统一框架，通过引入无限边界项和成对相互作用，将周期性边界条件下中性及非中性系统的静电能与压强推导简化为将库仑势替换为有效成对势的形式，并阐明了均匀背景电荷对单组分等离子体能量与压强关系的影响。