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。

本文介绍了 ATLAS-NN，这是一个通过引入可学习的时间尺度缩放机制和两阶段迁移学习策略来增强长时间哈密顿动力学建模的自适应神经网络框架，与标准的哈密顿神经网络及传统的辛积分器相比，实现了显著降低的预测误差。

本研究利用大鼠十二指肠的二维模型来证明，肠道摆动波运动主要针对剪切黏液屏障而非整体流体泵送进行了优化，其证据在于该运动的泵送效率较低，且粘性能量耗散受绒毛间几何结构而非动态混合边界层的支配。

本文通过识别一种与顶点发散无关的新型收敛失效来源，分析了迭代 Parquet 方程解的稳定性，并提出了一种能够成功在强相互作用机制中恢复物理解的受控稳定策略。

本文利用混合动力系统框架对弹簧加载倒单摆（SLIP）模型进行分析，识别了稳定性区域，并展示了如何通过简单的非恒定攻角控制策略来利用不稳定动力学实现恒定能量步态转换，同时实现近乎通用的稳定性。

本文指出 SCAN 和 r2SCAN 泛函由于对电子局域化的描述存在偏差，在处理非紧密共价键时表现不佳，并提出了 r2SCAN+V 方法作为一种实用的解决方案，该方法显著提高了对石墨烯、Fe、Cr₂ 和 VO₂ 等挑战性材料的计算准确度。

本文提出并模拟了一种在纯净石墨烯 p-n 结中的可扩展自旋量子比特架构，其中应变诱导的纳米气泡创造了可调的双量子点，通过拉什巴自旋-轨道耦合和塞曼场实现相干自旋操控，这一点已由明显的避越交叉和依赖于失谐的拉比振荡所证实。

本文介绍了 TransportBench，这是一个综合性的高保真数据集和标准化基准，旨在评估并诊断科学机器学习模型在多种非平衡流态下的表现，研究表明没有任何单一的神经架构能够普遍优于其他架构，且针对不同的流动特性需要特定的归纳偏置。

本文介绍了 PaNO，这是一种传播对齐神经算子，它优先考虑输出端口的读取保真度而非全局场精度，以防止神经场代理模型在诸如 MMI 分束器等传播主导型结构中误导光子器件设计。

本文提出了一种针对 $k$ - $\epsilon$ 湍流框架的变系数 $C_{\epsilon2}$ 模型，该模型考虑了有限级联时间和雷诺数效应，从而能够准确捕捉不同流场场景下各向同性湍流的衰减与增长。