Deformation mechanisms and compressive response of NbTaTiZr alloy via machine learning potentials
该研究通过构建可变成分机器学习势并结合分子动力学模拟，系统揭示了 NbTaTiZr 难熔多主元合金在不同晶体取向、应变率、温度及成分下的压缩变形机制与力学响应，阐明了其显著的各向异性特征及高应变率下的无序化主导行为，为高性能难熔合金设计提供了理论指导。
🔬 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。
Topological Diagnosis of Optical Composites via Inversion of Nonlinear Dielectric Mixing Rules
本文提出了一种基于非线性介电混合规则反演的框架，能够从单一红外消光光谱中准确重构强散射光学复合材料的宽带复介电常数与组分，并实现对共连续或分层等微观拓扑结构的非破坏性诊断。
Anisotropic two-dimensional magnetoexciton with exact center-of-mass separation
本文建立了一个针对各向异性二维材料中激子的精确解析框架，通过利用守恒的赝动量严格分离质心与相对运动，并结合 Feranchuk-Komarov 算符法与 Levi-Civita 变换，成功计算了黑磷和 TiS3 等体系在强磁场下的激子能级及磁响应特性，揭示了各向异性耦合对传统近似模型中缺失的物理效应的重要影响。
Bridging the Gap Between Virtual and Physical Laboratories: A Web-Based Interactive Platform for Undergraduate Physics Practicals
该论文介绍了一个为加尔各答圣泽维尔学院本科物理实验开发的交互式网络平台，该平台通过高度还原真实实验设置帮助学生进行预习，且学生反馈表明其能有效提升概念理解与实验信心，是物理教育中一种有益且可持续的补充资源。
Geometric Autoencoder Priors for Bayesian Inversion: Learn First Observe Later
本文提出了几何自编码器先验贝叶斯反演（GABI）框架，通过“先学习后观测”的范式，利用几何感知生成模型从多系统数据中学习条件先验，从而在无需已知控制方程或边界条件的情况下，实现对复杂几何物理系统的高效不确定性量化反演。
Machine Learning Interatomic Potentials Enable Molecular Dynamics Simulations of Doped MoS2
该研究通过基准测试验证了通用机器学习势函数（UMA）在模拟掺杂 MoS₂时的准确性，并利用其以极低的计算成本揭示了掺杂引起的复杂结构演变，从而为掺杂 MoS₂材料的高通量筛选与性能优化提供了高效的工作流。
MDIntrinsicDimension: Dimensionality-Based Analysis of Collective Motions in Macromolecules from Molecular Dynamics Trajectories
本文介绍了开源 Python 包 MDIntrinsicDimension，该工具通过结合旋转和平移不变投影与先进估计器，从分子动力学轨迹中直接估算生物大分子的内维数，从而揭示其构象空间的局部柔性、异质性及动态转变。
Topology optimization of type-II superconductors with superconductor-dielectric/vacuum interfaces based on Ginzburg-Landau theory under Weyl gauge
本文提出了一种基于 Weyl 规范下含时金兹堡 - 朗道理论的拓扑优化方法，用于逆向设计具有超导 - 介电/真空界面的 II 型超导体的结构几何，以通过优化缺陷排布增强磁通钉扎并提升临界电流密度。
Hyper-reduction methods for accelerating nonlinear finite element simulations: open source implementation and reproducible benchmarks
本文利用开源库对多种非线性有限元问题中的超降阶方法进行了基准测试，揭示了不同方法在精度与效率上的权衡及其对具体问题和时间积分方案的依赖性，从而为方法选择提供了实证指导。
Learning spectral density functions in open quantum systems
本文提出了一种结合机器学习回归器与受约束神经网络的混合框架，通过利用可解自旋 - 玻色模型和物理先验，从含噪时域数据中鲁棒地重构开放量子系统的谱密度函数。