Leveraging Interactions for Efficient Swarm-Based Brownian Computing
本文表明，热驱动布朗准粒子之间的短程吸引相互作用能够通过涌现的协同行为实现高效能、可扩展且鲁棒的优化，在静态和动态空间景观中的表现均优于非相互作用的搜索者。
🔬 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。
A universal black-box quantum Monte Carlo approach to quantum phase transitions
本文介绍了一种通用的、黑盒式的量子蒙特卡洛框架，该框架利用能量和保真度易受性的精确闭合形式估计量，在无需预先知晓序参量或特定模型更新规则的情况下，检测任意哈密顿量的量子相变。
Advanced measurement techniques in quantum Monte Carlo: The permutation matrix representation approach
本文在量子蒙特卡洛模拟的置换矩阵表示框架内，提出了一个用于推导任意静态观测量及一般虚时相关函数的精确估计量的形式化框架，并通过在横场伊辛模型中的应用展示了其在实际中的效用。
Electronic and Optical Properties of the Recently Synthesized 2D Vivianites (Vivianenes): Insights from First-Principles Calculations
本研究采用第一性原理计算表征了新合成的二维 Vivianene，揭示了其室温稳定性、由 Fe d 轨道主导的 3.03 eV 间接带隙以及在紫外区域增强的光学吸收，这些特征共同表明其在光电和传感应用领域具有广阔的应用潜力。
Magnetism Induced by Azanide and Ammonia Adsorption in Defective Molybdenum Disulfide and Diselenide: A First-Principles Study
这项基于第一性原理的研究表明，尽管 MoS 和 MoSe 中的原始硫族空位不会诱导磁性，但在这些缺陷单层上吸附氮基（NH）和氨（NH）会产生局域磁矩，其中 MoSe 在 NH 解离后表现出显著的 2.0 磁矩，从而证明了通过调节二维材料中的磁性来实现自旋电子学应用的有效策略。
Accelerated Inorganic Electrides Discovery by Generative Models and Hierarchical Screening
本文提出了一种结合了分层热力学与电子筛选的生成模型驱动框架，通过从数千种化学成分中成功识别出13种新型热力学稳定的电子体和264种富电子化合物，加速了具有卓越电子性能材料的发现。
A Hybrid semi-Lagrangian Flow Mapping Approach for Vlasov Systems: Combining Iterative and Compositional Flow Maps
本文提出了一种用于 Vlasov-Poisson 方程的混合半拉格朗日方案，该方案协同结合了数值流迭代（NuFI）方法的保守局部时间步进技术与特征映射法（CMM）的高效全局子图组合技术，以在计算成本、存储需求和结构保持之间实现平衡。
MEIDNet: Multimodal generative AI framework for inverse materials design
本文介绍了 MEIDNet，这是一个结合了等变图神经网络与对比学习的多模态生成式人工智能框架，旨在高效加速具有目标性质的新型稳定材料的反向设计，并通过成功生成低带隙钙钛矿矿物证明了其有效性。
Loss Landscape Geometry and the Learning of Symmetries: Or, What Influence Functions Reveal About Robust Generalization
本文引入了一种基于影响力的诊断方法，该方法通过分析损失景观的局部几何结构，测量沿对称相关轨道的梯度更新的一致性，从而确定偏微分方程的神经模拟器是否成功内化了物理对称性，进而为评估超越标准前向传播测试的鲁棒泛化能力提供了一种新颖的方法。
Quantum statistics from classical simulations via generative Gibbs sampling
该论文介绍了 GG-PI，这是一个利用生成模型和吉布斯采样在经典模拟数据上进行计算高效的框架，能够准确地恢复核量子效应并实现跨温度迁移而无需重新训练，其性能显著优于传统的路径积分分子动力学。