Machine learning electronic structure and atomistic properties from the external potential
本文受洪伯格 - 科恩定理启发，提出了一种以原子轨道基组下的外部势为输入的新型机器学习框架，通过构建分层表示和矩阵乘积实现等变消息传递，从而高效预测分子性质或直接学习从外部势到福克矩阵及密度矩阵的算符映射。
🔬 Category
physics.comp-ph
914 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。
Virtual ultrasound machine operating in a GHz to MHz frequency range for particle-based biomedical simulations
该论文提出了一种基于新型平滑耗散粒子动力学变体（结合隐式压力求解器和负压稳定方案）的虚拟超声机器，成功解决了多尺度模拟难题，实现了从 MHz 到 GHz 频率范围内的声学传播模拟，并展示了其在微泡声泳及药物递送等生物医学应用中的潜力。
Bayesian inference of high-purity germanium detector impurities based on capacitance measurements and machine-learning accelerated capacitance calculations
该研究利用基于 GPU 加速计算训练的机器学习代理模型，结合开源 Julia 软件栈，通过贝叶斯推断从电容测量数据中反演高纯锗探测器的杂质分布参数，并揭示了测试探测器中杂质密度的径向依赖性。
A Resolution Independent Neural Operator
本文提出了一种名为 RINO 的分辨率无关神经算子框架，通过利用基于隐式神经表示（如 SIREN）的自适应字典学习算法，将任意离散化位置和数量的输入输出数据映射为基函数系数，从而解决了传统 DeepONet 对输入函数离散位置一致性的限制。
An ILUES-based adaptive Gaussian process method for multimodal Bayesian inverse problems
本文提出了一种结合迭代局部更新集合平滑器（ILUES）与高斯过程代理模型的自适应方法，通过利用 ILUES 生成高质量训练数据并构建混合高斯提议的马尔可夫链蒙特卡洛采样，有效解决了计算昂贵且后验分布多峰的贝叶斯反问题。
Physics-Informed Neural Network based Damage Identification for Truss Railroad Bridges
该研究提出了一种基于物理信息神经网络（PINN）的无监督方法，通过融合列车载荷响应数据与桥梁 - 列车系统的线性时变控制方程，实现了对钢桁架铁路桥梁损伤的识别、定位及严重程度量化，并能在无需大量标注数据的情况下有效整合先验检测知识。
A Stochastic Cluster Expansion for Electronic Correlation in Large Systems
本文提出了一种无需预先选择活性空间的随机团簇展开框架，通过结合随机采样的环境轨道与精确处理的子空间，以接近 DMRG 的精度高效恢复了大体系（包括反应与非反应体系）的总相关能，并提供了分子 - 溶剂关联的定量诊断，从而实现了凝聚相环境中化学过程的高精度研究。
Non-uniqueness of smooth solutions of the Navier-Stokes equations from almost the same initial conditions
该论文利用清洁数值模拟（CNS）方法，提供了纳维 - 斯托克斯方程在初始条件差异极小（低至 量级）时仍存在不同全局光滑解的数值证据，为千禧年大奖难题中关于该方程解的存在性与唯一性研究提供了新的启示。
Quantum Algorithm Framework for Phase-Contrast Transmission Electron Microscopy Image Simulation
本文提出了一种基于容错门量子电路的框架，用于模拟相位衬度透射电子显微镜（CTEM）成像过程，通过将电子波场振幅编码并应用量子傅里叶变换与相位算子，在验证经典模拟一致性的同时，确立了其在傅里叶空间查询及全局统计等特定任务上的量子优势潜力。
M-CODE: Materials Categorization via Ontology, Dimensionality and Evolution
本文提出了名为 M-CODE 的材料分类系统，该系统通过本体、维度和演化三个维度将材料术语与可重用概念及溯源转换相结合，旨在解决人工智能在材料科学中处理复杂结构（如表面、界面、缺陷及维度降低）时的数据标准化与管理问题，并提供了包含 JSON 模式及多语言类型定义的开源实现以支持可复现的数据集生成与社区贡献。