Nuclear Schiff moment of fluorine isotope F
本文首次利用从头算核壳模型计算了氟同位素F的核施夫矩，并结合量子化学计算与HfF分子的电偶极矩测量，确立了该同位素核施夫矩的首个实验上限，为未来利用从头算核方法约束πNN相互作用奠定了基础。
🔬 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。
Variational boundary based tensor network renormalization group
本文提出了一种利用变分边界张量构建全局优化环境并生成重正化投影算子的实空间重正化群算法，在保持与原始张量重正化群（TRG）相同计算复杂度的同时，显著提升了二维张量网络的粗粒化精度。
Optimal information injection and transfer mechanisms for active matter reservoir computing
该研究通过模拟活性物质系统作为储层，发现非线性驱动力的切换能激活系统的形态与动态多样性，从而在不改变预测性能的前提下彻底改变计算方式，并证实形成液滴的活性物质在储层计算中具有优异的鲁棒性与适应性。
Advancing Universal Deep Learning for Electronic-Structure Hamiltonian Prediction of Materials
本文提出了名为 NextHAM 的通用深度学习框架，通过引入基于初始电荷密度的零阶哈密顿量描述符、构建严格满足 E(3) 对称性的高表达力 Transformer 架构以及设计兼顾实空间与倒空间精度的训练目标，并结合包含 1.7 万种材料结构及自旋轨道耦合效应的大规模基准数据集 Materials-HAM-SOC，实现了高效且高精度的材料电子结构哈密顿量预测。
Comparative Analysis of Mechanical Stability and Biomarkers of Commercial and Modified Intraocular Lens (IOL) Models: A Numerical and Experimental Approach
本研究通过数值模拟与实验相结合的方法，对比分析了三种商用及五种改进型人工晶状体（IOL）在干态和生理盐水环境下的机械稳定性，发现 V4 模型因其优化的几何结构在机械稳定性方面表现最佳，为下一代 IOL 的设计与开发提供了重要参考。
Interpretable Geometry Sensitivity for Inverse Design of Integrated Photonics
本文提出了一种实验验证的可解释性工作流程，通过结合轻量级卷积代理模型与积分梯度法生成像素级敏感度图，成功揭示了逆设计光子器件中物理意义明确的敏感结构，并证实了针对这些区域的控制扰动会导致显著更高的插入损耗，从而为制造规则检查提供了无需修改电磁求解器的实用方案。
Aeroelastic Reduced-Order Model Differential Equations in Transonic Buffeting Flow
本文提出了一种结合非线性振子动力学与Volterra理论的新型气动弹性降阶模型（IDE-ROM），利用正交匹配追踪算法识别方程系数，成功在计算高效的框架下高精度复现了OAT15A翼型在跨音速抖振流中的关键非线性行为（如气动弹性锁定）。
Finding Graph Isomorphisms in Heated Spaces in Almost No Time
本文提出了一种基于谱图理论和几何曲率的新算法，用于在多项式时间内高效且准确地判定图同构，该方法通过显式验证候选对应关系确保了零误报，并在包括传统谱方法难以处理的复杂图在内的所有测试实例中均取得了成功。
Two-Dimensional Kelvin-Helmholtz Instability with Anisotropic Pressure
本文通过线性分析和数值模拟，全面研究了各向异性压强下的二维开尔文 - 赫姆霍兹不稳定性，发现相较于碰撞无耗散极限，磁流体动力学（MHD）极限下的增长率更高、磁场效应更强且更易形成磁岛与流动间歇性，并探讨了该结果对日鞘湍流与磁重联的潜在影响。
Neural-POD: A Plug-and-Play Neural Operator Framework for Infinite-Dimensional Functional Nonlinear Proper Orthogonal Decomposition
本文提出了 Neural-POD，一种即插即用的神经算子框架，它通过在函数空间中学习非线性正交基，克服了传统 AI4Science 模型对离散网格的依赖，实现了跨分辨率、跨求解器的泛化能力，并显著提升了复杂非线性系统的可解释性与泛化性能。