A Graph Neural Network for the Era of Large Atomistic Models
本文介绍了 DPA3，这是一种基于线图序列的可扩展多层图神经网络，它遵循缩放法则并在多种原子系统上展示了卓越的零样本泛化能力，从而使其成为适用于大规模原子应用的极高精度基础模型。
🔬 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。
Towards Reasoning for PDE Foundation Models: A Reward-Model-Driven Inference-Time-Scaling Algorithm
本文介绍了一种针对偏微分方程（PDE）基础模型的创新测试时计算框架，该框架通过利用推理阶段的奖励驱动缩放来增强预测精度和分布外鲁棒性，特别是针对可压缩欧拉方程，其核心在于利用推理过程中的计算资源，而非仅仅依赖于大规模预训练。
Physics Informed Differentiable Solvers for Learning Parametric Solution Manifolds in Heterogeneous Physical Systems
本文提出了一种新颖的框架，将物理信息神经网络重新表述为可微求解器，以高效学习非均质系统中稳态达西流的连续解流形，通过在单次训练运行中将数据驱动的渗透率表示直接集成到物理信息损失函数中，从而实现精确、质量守恒的解以及不确定性量化。
Ultrafast Dipolar Electrostatic Modeling of Plasmonic Nanoparticles with Arbitrary Geometry
本文提出了一种用于任意几何形状等离激元纳米颗粒的超快静电建模框架，该框架通过将 Neumann-Poincaré 算子投影到紧凑的偶极基组上以避免大规模特征值问题，从而实现了快速的光谱响应计算，同时通过改进的长波近似引入了迟滞效应。
Multiphase modeling of anisotropic biomass particle pyrolysis accounting for particle deformation and coupled gas-phase dynamics
本文在开源框架 Basilisk 内提出了一种新型单网格 Eulerian-VOF 模型，该模型能够完全解析生物质热解过程中的固气耦合动力学及各向异性颗粒变形，在与实验数据高度吻合的同时，为开发可持续热解工艺提供了强有力的工具。
Controlling HER activity and stability of - and 6,6,12-Graphyne through engineered B-N doping: DFT and Reactive MD simulations
本研究结合密度泛函理论与反应分子动力学模拟，旨在证明 B-N 共掺杂（尤其是邻位构型）能够优化 - 和 6,6,12-石墨炔中析氢反应的氢吸附热力学并增强其热稳定性，而其他掺杂模式或纯净晶格则面临活性较弱或结构退化的问题。
`Interaction annealing' to determine effective quantized valence and orbital structure: an illustration with ferro-orbital order in WTe
本文提出并验证了一种“相互作用退火”方法，该方法通过抑制电荷涨落来揭示关联材料的有效量子化价态与轨道结构，成功解释了诸如 WTe 中的铁轨道序以及 LaCuO 中的莫特绝缘现象等复杂现象。
Multireference error mitigation for quantum computation of chemistry
本文介绍了多参考态误差缓解（MREM），这是一种先进的量子误差缓解技术，它利用通过吉文斯旋转（Givens rotations）构建的紧凑型多参考态，显著提高了强关联分子系统量子化学计算的准确性，克服了传统参考态误差缓解的局限性。
Full-spectrum modeling of mobile gamma-ray spectrometry systems in scattering media
本文提出了一种用于散射介质中移动伽马射线能谱系统的广义、平台无关的全谱建模框架，该框架实现了近乎实时的模板生成，计算速度提升了 倍且保持高精度，显著增强了在多种环境及应急响应应用中的源定位与定量分析能力。
Training Deep Physics-Informed Kolmogorov-Arnold Networks
本文提出了残差门控自适应 KANs（RGA KANs），这是一种结合了基函数无关初始化方案与残差门控的新型架构，旨在克服深度物理信息 Kolmogorov-Arnold 网络在训练中的不稳定性和发散问题，从而在多种偏微分方程基准测试中实现卓越的准确性与稳定性。