A single-stage high-order compact gas-kinetic scheme in arbitrary Lagrangian-Eulerian formulation
本文开发了一种基于任意拉格朗日-欧拉（ALE）框架的单级高阶紧致气动力学格式，通过引入单级时间精确通量演化和简化的高阶紧致重构策略，在有效追踪流动间断的同时，显著提升了计算效率与数值精度。
🔬 Category
physics.comp-ph
917 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。
Long-Range Machine Learning of Electron Density for Twisted Bilayer Moiré Materials
本文提出了一种基于高斯过程回归（SALTED模型）的长程机器学习方法，通过在小尺度结构上训练并利用长程描述符进行外推，实现了对大尺寸扭转双层莫尔超晶格电子密度的精确预测，从而能够有效捕捉平带形成、电场分布及自旋轨道耦合等复杂的量子物理现象。
Solving continuum and rarefied flows using differentiable programming
本文提出了一种基于可微编程（differentiable programming）的新型求解算法，通过构建全可微模拟器，实现了跨连续流与稀薄流多尺度物理过程的统一建模，并支持通过端到端优化进行物理发现、代理模型构建及仿真加速。
Reducing Weighted Ensemble Variance With Optimal Trajectory Management
本文通过将前作提出的最优参数化策略应用于高维分子动力学模型（如Trp-cage和NTL9的折叠/去折叠过程），证明了该策略能有效降低加权系综（WE）方法在估计平均首次到达时间（MFPT）时的方差，从而提高生物物理过程动力学模拟的准确性与可靠性。
Composing -Gauss and logistic maps: Gradual and sudden transitions to chaos
本文通过组合逻辑映射与 -高斯映射，提出了一种新型非线性动力学模型 -Gauss-Logistic 映射，并揭示了其随参数 的变化，在动力学行为上从典型的分叉级联过渡到突发性混沌，以及在 时展现出的解析特性与黄金分割比等数学关联。
Simulating acoustically-actuated flows in complex microchannels using the volume penalization technique
本文提出了一种基于体积惩罚法（volume penalization technique）的扰动分析方法，通过将声驱动流分解为一阶谐波问题和二阶时间平均问题，实现了对复杂微通道内声流现象的高效、可扩展模拟，并验证了其在处理复杂几何结构时与贴体网格法（body-fitted method）的高度一致性。
Machine Learning Accelerated Computational Surface-Specific Vibrational Spectroscopy Reveals Oxidation Level of Graphene in Contact with Water
本文通过结合机器学习驱动的分子动力学模拟与第一性原理振动光谱计算，揭示了石墨烯氧化程度如何通过改变界面水结构来影响其和频振动光谱，从而为定量表征石墨烯氧化水平提供了分子层面的光谱指纹。
Active Learning for Predicting the Enthalpy of Mixing inBinary Liquids Based on Ab Initio Molecular Dynamics
本文提出了一种主动学习方法，通过对难熔元素二元合金进行从头算分子动力学模拟，有效识别并补充了数据空白区域，从而提升了对二元液体混合焓预测的准确性。
Predicting open quantum dynamics with data-informed quantum-classical dynamics
本文提出了一种名为数据驱动量子-经典动力学（DIQCD）的方法，通过优化具有灵活时变哈密顿量的林德布拉德方程，能够利用稀疏且含噪声的局部观测数据，准确且高效地预测超冷分子及有机半导体等复杂开放量子系统的动力学演化。
Tensor network methods for quantum-inspired image processing and classical optics
本文探讨了利用受量子启发且具有强大压缩能力的张量网络方法，来加速图像压缩、处理及经典光学（如波前传播和光学成像）等领域中的基础问题。