多任务学习结合半经验轨道电荷，实现高样本效率的 MLIP
研究显示，用轨道分辨的半经验电荷做多任务学习，可显著提升机器学习原子间势（MLIP）的样本效率与精度。引入计算廉价的 GFN1-xTB 轨道电荷后，模型能量平均绝对误差较仅能量基线降低 58%，达到同等性能所需数据量减少至五分之一；相比能量与力联合训练的更强基线，能量误差仍降低 12%。轨道电荷仅在训练阶段使用，不影响推理效率。
全部资讯动态
arXiv 物理AI 评分4242 arXiv 物理AI 评分3434 利用时空深度学习抑制大型液体闪烁体探测器中的¹⁴C光子击中
研究提出三种模型在击中层面标记含¹⁴C堆积的e⁺事件中的¹⁴C光子击中，包括一个门控时空图神经网络和两个基于Transformer的标量与矢量电荷编码模型。在模拟测试集中，模型对¹⁴C的召回率为25%-48%，同时将e⁺误判为¹⁴C的比例控制在1%以下，显著改善了e⁺与¹⁴C光子击中在时空上强烈重叠事件的总电荷分辨率。
arXiv 物理AI 评分3838 面向粒子物理的异构、边缘与量子硬件机器学习（ML-HEQUPP）
一份 73 页白皮书提出 ML-HEQUPP 社区愿景，为粒子物理实验梳理异构加速器系统、边缘低功耗低延迟器件、可重构硬件、低温与高辐射环境读出及模拟计算等硬件级机器学习研发方向。下一代实验将面临前所未有的数据速率与体量，需要实时推理、智能数据缩减和超越现有能力的处理架构。
arXiv 物理AI 评分5858 AceFF：面向小分子药物发现的机器学习原子间势函数
作者提出预训练机器学习原子间势函数 AceFF，基于改进的 TensorNet2 架构在类药化合物数据集上训练，兼顾高通量推理速度与 DFT 级精度。两个同架构模型 AceFF-2 与 AceFF-2-OMol 分别覆盖 H、B、C、N、O、F、Si、P、S、Cl、Br、I 等药物化学元素及 Na、K 离子，并显式训练处理带电状态。
arXiv 物理AI 评分3636 训练数据集对机器学习原子间势至关重要：以水模拟为例
以水为案例的研究显示，机器学习原子间势（MLIP）若训练数据集采样不足，会错误预测密度、熔点和核量子效应。而用同一电子结构方法在全面数据集上训练的 MLIP，其性质预测与模型架构无关且彼此一致，密度与参考计算定量吻合。
arXiv 物理AI 评分3434 TRECI：用数据高效迁移学习构建恒电势电化学界面的机器学习力场
研究者提出 TRECI 工作流，通过从通用与领域专用模型迁移学习构建机器学习力场，在电子巨正则分子动力学中以更少参考构型达到 ab initio 级精度。在 Cu(111)-水界面仅用 1000 个构型训练即获得准确模拟，捕捉到此前未报道的偏压依赖溶剂重构效应。该方法使高阶 meta-GGA 泛函与严格表面带电方案可用于恒电势模拟，显著降低电化学建模成本。
arXiv 物理AI 评分3333 Gabor-PINN：用可训练 Gabor 基函数加速声波场仿真
研究者提出 Gabor-PINN 框架，将网络任务重新定义为学习从输入坐标到自定义 Gabor 坐标系的非线性映射，以捕捉波场的主导振荡行为，并把两个 Gabor 参数吸收进该映射，免去手动调参。该方法还给出将 PML 融入训练的实数损失形式与背景波场解析表达式。多种速度模型实验显示，其收敛更快、精度更高，且对网络结构与初始化更稳健。
arXiv 物理AI 评分2929 研究提出汉字级性别推断模型，提升中文姓名性别识别准确率
针对拼音姓名性别推断的固有歧义，研究者基于中文物理出版物中的汉字姓名样本训练了回归与分类两个汉字模型，回归模型 RMSE 为 0.09、R² 为 0.85，分类模型 macro-AUC 达 0.97、Cohen's κ 为 0.81。
arXiv 物理AI 评分2020 基于角分布的等概率异常检测器识别非 t\bar{t} 事件
研究者利用半轻子末态 b\bar{b}ℓνq\bar{q}' 中顶夸克对（t\bar{t}）的角分布构建异常检测器，用于识别非 t\bar{t} 事件。方法用 Wigner D 函数展开分布、以正交级数密度估计确定系数，再按等概率面分箱，非 t\bar{t} 事件集中在 t\bar{t} 低密度区，并用 Kullback-Leibler 散度量化分离度。
arXiv 物理AI 评分2323 仅凭幅度重建时域门控微波信号：胸部体模上的无相位测量
研究显示，在一种校准后的测量配置下，可用带跟踪发生器的频谱分析仪（SA）的纯幅度扫描重建出矢量网络分析仪（VNA）给出的时域门控幅度。在含肺形腔体、共十一种介电状态的躯干体模上，SA 输入在 S11 上达到 0.08 dB² 的形状误差、状态排序 0.81，与 VNA 输入的重建相当；S21 上为 0.82 dB²。显式相位预测效果差得多，因为门控需要约 0.2 rad RMS 的相位精度。
arXiv 物理AI 评分3838 研究提出从计算时间分布推断计算机制的经验框架
研究者提出一个从可观测的计算时间分布推断计算机制的经验框架，结合经验基准测试与分布分析。在可扩展的视觉搜索范式中，基准测试显示模型与人类观察者的时间随问题规模缩放行为大体相似，而分布分析能区分采用不同证据累积机制的三个计算模型。该框架无需访问内部算法或架构，可用于比较生物、经典、神经形态与量子等有限计算系统。
arXiv 物理AI 评分3838 用调查数据验证 LLM 生成的政治网络：党派接触暴露的偏差
研究用 ANES 2020–2022 社交媒体研究的受访者画像生成 LLM 政治网络，并以调查自报的党派接触作为基准检验。部分模型生成的民主党与共和党自我间分离强于调查，同党接触更高、跨党接触更低，另一些模型则整体低估共和党接触。政治同配性相近的网络仍可产生不同的党派环境，且误差在特定社会群体上呈现系统性。
arXiv 物理AI 评分5858 研究：多智能体系统如何涌现歧视与极化
arXiv 论文从理论上研究学习型智能体群体中歧视与极化如何涌现，每个智能体用自适应线性决策层把议题的语言模型嵌入向量映射为二元观点，并维护对其他智能体的信任估计。
arXiv 物理AI 评分5858 L-SplineFNO：面向非结构网格的可学习样条神经算子
作者提出 L-SplineFNO，将 FNO 主干与稀疏可学习的张量积 B 样条传递结合，在非结构网格与隐式笛卡尔网格之间建立映射，从而绕开依赖几何形状的解析样条求解。
arXiv 物理AI 评分5858 ModeCast：一次预测托卡马克线性 MHD 本征模与增长率的代理模型
研究团队提出 ModeCast，这是首个能给出 MHD 模式完整线性稳定性评估的学习型代理模型，基于超过 45,000 次 JOREK 模拟训练，覆盖 n=1-4 的环向模数并预测不稳定模式的空间结构与增长率。
arXiv 物理AI 评分3838 Movienet 加速径向 CEST-MRF 采集：3 分钟完成全脑成像，重建不到 2 秒
研究将 Movienet 网络用于加速径向 CEST-MRF 数据重建，8 条辐条采样的 Movienet-8 在留一被试分析中图像相关性中位数达 0.965、NRMSE 为 7.5%。重建 30 层序列仅需 1.7 秒，而 GRASP-LLR 约需 45 分钟。该方法使全脑径向 CEST-MRF 采集可在 3 分钟内完成。
arXiv 物理AI 评分3838 综述：面向原子间势的主动学习——不确定性驱动的数据效率
一篇综述梳理了七十余项研究，重点覆盖 2020 至 2026 年的工作，回顾主动学习如何从 query-by-committee 和高斯过程力场的即时训练技术，演变为多样化的数据高效策略。综述涵盖即时分子动力学、预训练模型微调的主动数据选择、基于冻结预训练模型的核方法与表征采集，以及非平衡化学体系的反应感知采样。作者同时指出，不确定性估计在不同模型架构间不可互换，且往往在最关键处最不可靠。
arXiv 物理AI 评分3838 条件神经算子从稀疏速度波形定位并量化脑动脉狭窄
研究者提出一种条件神经算子，可预测候选狭窄下的脑血流动力学，并通过比对中点速度波形反推狭窄位置与严重程度。模型在20条候选血管中定位准确率达99.4%，30%噪声下为96.0%；压力、面积、速度的网络平均相对验证误差分别为0.14%、0.59%、2.79%。观测血管数量相同时，测量位置会影响恢复效果，该评估仅限模拟网络中的未见狭窄场景。
arXiv 物理AI 评分5858 SLEvolve v1.0 用有限状态递推加速海平面建模
Xiyuan Bao 等人在论文中提出，把粘弹性松弛核的指数形式改写为有限模态状态的精确递推更新，无需重新累加全部历史载荷，使单次运行复杂度从 O(N²) 降至 O(N)。
arXiv 物理AI 评分3434 研究揭示从海平面指纹反演格陵兰冰盖质量损失的尺度依赖上限
研究用物理信息神经网络算子系统量化了从海平面指纹反演格陵兰冰盖质量变化结构的空间分辨能力，发现大尺度冰损失格局可恢复，但不同冰场可产生几乎相同的指纹，细尺度结构依赖先验冰变化分布。在现有 SSH 观测几何与匹配先验假设下，仅凭指纹反演的精度上限约为 R²~0.79，前三个主成分解释了 99.76% 的指纹方差。
arXiv 物理AI 评分2525 物理信息神经网络实现磁场及其梯度重建
研究团队用物理信息神经网络（PINN）在满足无源 Maxwell 方程（∇·B=0、∇×B=0）约束下重建三维磁场，并首次演示了从离散测量点中提取磁场梯度项。该方法延续其此前通过外部测量重建不可及内部区域磁场的工作，面向精密测量实验中系统效应的评估与控制。
arXiv 物理AI 评分5252 MACE-MPA-0 逐原子监督蒸馏势函数，支撑百万原子分子动力学模拟
研究团队用精确等变基础模型 MACE-MPA-0 检查百万原子生产模拟中的每一个原子，发现系统平均误差和小规模随机抽检会漏掉稀疏的局部失效。他们把两层 MACE 推理重组为接收端分块的三遍调度，使每原子边际内存降低 340 倍，单张 H200 GPU 上可评估多达 2.86×10^7 个原子，并在 LAMMPS 中以 1.3% 的运行时间监督 10^6 原子轨迹。
arXiv 物理AI 评分3131 GINNGER：基于 GENERIC 的神经网络用于生成式流变学
GINNGER 将 GENERIC 形式嵌入学习过程，从微观流动数据中发现满足热力学第一、第二定律的本构方程，无需预设唯象本构模型。该框架在聚合物构象张量的本征特征空间中做谱表述，使剪切、拉伸和混合流动数据共同发现一个可跨变形协议与流场几何泛化的本构模型。高保真模拟验证显示其能准确重构本构行为并预测未见几何下的复杂流场。
arXiv 物理AI 评分3434 弹性轴如何折叠跨声速颤振边界：激波能量传递与保形校准主动学习
研究用耦合非定常 Euler 模拟、批量主动学习训练的高斯过程代理模型和分裂保形预测，绘制了 Isogai 案例 A 及移动弹性轴所得族的跨声速颤振边界。80 次模拟训练的案例 A 边界在 65 次独立运行中正确标注 64 次，校准判定的错误率至多 1.6%。193 次模拟与 40 次校准运行显示，折叠仅在弹性轴位于前缘前约 0.4 弦长以上时存在，并在 0.39 至 0.33 弦长之间闭合。
arXiv 物理AI 评分2020 有限场框架下的电化学分子动力学：LAMMPS 中实现恒压控制的 electrostat 方法
研究提出一种在 3D 周期边界条件的有限场模拟框架内实现电压控制的分子动力学协议，并在 LAMMPS 的 ELECTRODE 包中实现该控制装置，命名为 electrostat。模拟系统基准测试表明其与恒电位仪等价，并量化了正确处理系综涨落的重要性。对数千原子体系，electrostat 与更简单的恒场模拟给出相同平衡性质，差异仅在更小尺度显现，该框架还可扩展至第一性原理与反应性机器学习势。
arXiv 物理AI 评分5858 研究：CMIP模型误差每翻倍算力下降13.5%，提出技能-能耗评估框架
一项基于159个CMIP模型存档输出的研究显示，自1995年以来模型误差随算力每翻倍以13.5%的恒定速率下降，若要将CMIP6误差减半需增加28倍算力。改进并不均衡，海平面气压和地表气温误差自CMIP1以来分别下降3.5倍和2.7倍，降水误差仅下降7%。
arXiv 物理AI 评分2424 机器学习热流闭合在十矩流体模型中的表现与挑战：以 Landau 阻尼为例
研究用机器学习模型为双流体十矩模型的 Landau 阻尼发现热流闭合，替代 Hammett-Perkins 类解析闭合。ML 闭合在训练参数范围内及插值时能正确复现阻尼频率与非线性阶段，表现优于解析闭合，但外推时性能随偏离训练数据而下降。离线指标无法完全解释在线表现，作者提出在缺少全动理学参考模拟时用熵的时间演化评估降阶模型。
arXiv 物理AI 评分5858 波长多样性提升光学计算的函数逼近表达能力
加州大学洛杉矶分校等机构的 Aydogan Ozcan 团队提出，波长多样性可通过共享相位编码器产生的波长缩放傅里叶特征提升光学函数逼近的表达能力，且无需增加输入编码谐波数量。
arXiv 物理AI 评分3131 如何设计一个"不辅导"的 AI 智能体：入门物理苏格拉底式追问的设计规则
研究者构建了一个只做追问、不教学不提示不纠错的对话式 AI 智能体，用于入门力学，核心指标是"洞穴检测"——识别学生在场景单一变量改变后被放弃的正确初始想法。基于 8 个版本和 40 多次脚本化模拟运行，论文给出抑制 LLM 智能体评价泄漏的设计规则，并发现罗列禁止表扬短语反而增加表扬。证据仅为模拟结果，尚无真实学生使用。
arXiv 物理AI 评分2626 PINN-LPCDD：面向可压缩多介质流的可学习物理一致区域分解物理信息神经网络
研究者提出 PINN-LPCDD，将锐界面方法（SIM）引入 PINN 求解可压缩多介质流。该框架为每种介质设计带可学习参数的独立子网络以自动学习界面位置，并用人工粘性 Euler 方程提升激波鲁棒性、利用 Euler 方程尺度不变性处理高压比问题。在 air-air、air-helium、air-water 和 air-R22 算例上验证了可接受的精度。
arXiv 物理AI 评分2626 多实例学习用于 FLARE 装置中等离子体团可解释检测
研究将多实例学习（MIL）用于 FLARE 装置的等离子体团检测，在 PPPL 的 1152 次磁重联放电数据上与 CRNN 对比，PR AUC 提升 0.0932（p=0.0039）、F1 提升 0.0259（p=0.0488）。借助注意力机制，模型可定位影响输出的时间帧并判断放电中等离子体团数量。作者称这是 MIL 首次见于同行评审的等离子体物理文献。
arXiv 物理AI 评分3636 FCV-PICRN：傅里叶特征复数物理信息卷积残差网络实现稀疏缺失含噪流场重建
研究者提出傅里叶特征嵌入的复数物理信息卷积残差网络 FCV-PICRN，用于稀疏、缺失且含噪的流场重建。该方法在 Re=100 的 Taylor-Green 涡与圆柱尾流上验证，尾流中设置大孔洞、大截断和十字形缺口三类严重缺失，且排除区域内无监督速度数据，仍能高 SSIM 与 PSNR 重建速度、压力和涡量，并在最高 20% 高斯噪声下保持稳健。
arXiv 物理精选AI 评分6666 研究用 AI 基础模型 Aurora 模拟大气化学与气候
研究团队在 UKCA 化学气候模型的模拟数据上微调 Aurora 地球系统基础模型，构建出首个能刻画排放、大气成分与辐射相互作用的基础模型。该模型在 27 个预测场中有 23 个在对流层和平流层的 R² 超过 0.85，臭氧、CO 和温度的年度平均偏差低于 4%，下行短波与长波通量偏差在 6% 以内。
推荐理由：读者可了解大气化学气候模拟中基础模型的微调路径，以及它在速度与偏差上的具体表现。
arXiv 物理AI 评分3838 AH-GNO：面向耦合替代形态动力学建模的自适应视界图神经算子
研究提出自适应视界图神经算子（AH-GNO），将河床演变建模为图算子学习问题，直接在非结构化网格上从近期水动力与地形状态预测河床高程增量。在 Bump、Yen bend 基准和 Waiho River 实地案例中，CPU-GPU 部署将训练后河床更新流程时间从 GAIA 的 12~1204 s 降至 0.08~3.34 s，相对 4 核 GAIA CPU 配置加速约 150~360 倍。
arXiv 物理AI 评分2626 基于 Fokker-Planck 模型的物理信息神经网络用于稀薄气体流动
研究提出无数据 Fokker-Planck 物理信息神经网络（FP-PINN），用椭球统计 Fokker-Planck（ES-FP）方程结合速度分布函数闭合与矩投影构造物理损失，用于描述稀薄非平衡流动。在稳态一维 Mach 10 正激波上，FP-PINN 与数值 ES-FP 结果误差低于 1%，但相比粒子 ES-FP 结果预测的激波结构更陡，误差最高达 17%，差异归因于速度分布函数闭合与矩投影。
arXiv 物理AI 评分4040 NanoTerasu BL08U 软 X 射线光束线实现机器人真空传输与机器学习分析的无人化终端站
日本 NanoTerasu 光源 BL08U 光束线建成可无人值守运行的自动化终端站，由 4 个腔室单元和 2 台机器人完成样品从大气到超高真空测量台的自动传输与测后归位。系统按程序在指定样品区域扫描微聚焦光束，自动采集软 X 射线吸收谱，并用主成分分析、多维缩放、t-SNE 和 UMAP 等机器学习方法自动评估，高通量数据汇入数据库供远程用户查看。
arXiv 物理AI 评分3838 RCNO：面向多物理场动力学的神经算子专家机制感知耦合编排
研究提出机制感知耦合神经编排器（RCNO），在空间和时间上分配并连接一组局部算子专家，为每个 patch 构建包含当前场、邻接 halo 值、局部机制特征与案例参数的因果查询。
arXiv 物理AI 评分4040 Physics-Transfer Learning：面向复杂度阶梯上零样本泛化的物理约束理论
研究者提出 physics-transfer（PT）学习，一种面向复杂度阶梯上零样本泛化的物理约束学习理论，通过构建锚定域链（CADs）把低成本源域与复杂目标域连接起来。
arXiv 量子物理AI 评分3434 从原子级杂质景观到双能级系统分布与微波损耗：Nb₂O₅₋δ 与 Ta₂O₅₋δ 中的氢致损耗
研究者提出一套第一性原理引导的框架，可从无序材料中的可移动杂质预测统计性 TLS 分布。该框架结合机器学习原子间势与 DFT、最小作用路径验证，将杂质景观关联到隧穿劈裂、不对称分布、TLS 密度与介电损耗。
arXiv 量子物理AI 评分3838 在超导量子处理器上实现几何热泵浦
研究团队在超导量子处理器上利用碰撞模型实现了几何热泵浦：驱动量子比特反复与两个处于热态、模拟热库的辅助量子比特相互作用，通过每次相互作用前后的能量测量记录交换热量。反转驱动轮廓可提取出与泵浦相关的热贡献，其对周期和轮廓的依赖与无参数可调的碰撞模型精确模拟一致，并在慢驱动区间逼近对应 Lindblad 动力学的几何极限。