6DoF 机器人头部稳定系统的人机交互工作空间测定
研究用 6DoF Stewart 平台机器人开展人体志愿者实验，表征头颈系统的生物运动学工作空间，为精准头部稳定控制中的人机交互建立基础数据。该方案以集成实时光学运动追踪的 6DoF 机器人头部固定器替代刚性立体定向框架和热塑面罩，无需物理约束即可动态补偿头部运动。
#科学研究
arXiv 物理AI 评分2626 arXiv 物理AI 评分4848 MoSAIK：用 AI 在 k 空间搜索运动，实现脑 MRI 回顾性运动校正
MoSAIK 直接从标准多线圈 TSE k 空间回顾性估计平面内刚体运动，无需无运动参考、外部导航或额外采集，并将预测参数纳入模型驱动的运动感知重建。旋转与平移估计误差 MSE 均低于 0.2（deg²、pixels²），Pearson 相关性约 0.96 和 0.94；在全部在体采集中超过 75% 的层面相对未校正重建获得信息增益。
arXiv 物理AI 评分5858 研究用机器学习分子动力学绘制行星包层中氨氢相平衡图
研究团队用基于密度泛函理论训练的机器学习原子间势，对氨氢体系在 500 至 4000 K、0.1 至 100 GPa 范围内开展大规模两相共存模拟，绘制出富氢相与富氨相的共存组成及临界曲线。
arXiv 物理AI 评分2020 基于合成数据生成与主动学习的血流动力学形状感知代理模型
研究基于 SynthAorta 数据集生成生理一致的计算流体动力学解，并用 Graph U-Net 与 Transformer U-Net 代理模型预测收缩期峰值速度场和压力场。主动学习在早期训练阶段相比随机采样收益有限，但在微调阶段通过梯度与子空间采样策略提升性能；物理一致性约束作为微调目标比全程正则化更有效。分布外研究表明，代理模型的主要限制在于参数化的几何支撑范围，而非神经网络架构本身。
arXiv 物理AI 评分5858 LatticeMind：面向密度泛函理论工作流的校验门控智能体框架
作者提出 LatticeMind，一个把自然语言请求转换为可执行、可检查的密度泛函理论（DFT）项目的校验门控智能体框架，通过工作流契约、确定性校验器、有界修复和可追溯报告来保证多阶段计算流程的可靠性。
arXiv 物理AI 评分3131 基于图神经网络的爆轰流场降维图表示
研究用基于GNN的自编码器为含爆轰流场生成降维潜在图表示。在二维氢-空气通道中，有效分辨率约为诱导长度两倍的潜在图即可重建胞状爆轰的波前与激波后区域。外推实验显示，GNN重建存在表示层级：优先保留爆轰波前特征（波前轮廓与三重点），其次才是下游爆燃区。
arXiv 物理AI 评分3838 双层双能胸片深度学习机会性冠脉钙化评估的模拟研究
一项回顾性模拟研究用 550 例钙化积分 CT 构建双层双能胸片，并以改进的 nnU-Net 同时预测冠脉钙化定位与 Agatston 评分。侧位视图 Dice 为 0.34，高于 AP 的 0.23 和 45° 的 0.22；侧位双能骨图像在 CAC>100 的 AUC 为 0.86，显著优于单能的 0.64。研究者认为模拟结果支持侧位双层双能骨成像用于机会性冠脉钙化评估，仍需物理与临床验证。
arXiv 物理AI 评分3131 物理约束图闭包与工作点条件化：直线加速器束流动力学的快速代理模型
研究者构建了直线加速器束流动力学的图神经网络代理模型，将空间电荷、短程尾场和相干同步辐射作为解析核上的有界闭包，其框架与边方向跟随相互作用，使净空间电荷自作用力对任意权重为零。
arXiv 物理AI 评分5858 研究用 ConvLSTM 分离观测气候演变中的强迫与内部变率
研究团队开发卷积长短期记忆网络 ConvLSTM，用于分离观测气候演变中的外部强迫响应与内部变率，在多气候模型大集合模拟上训练评估，表现优于现有基于模型、统计和机器学习的方法。
arXiv 物理AI 评分3131 面向风灾后建筑评估与恢复推理的多模态工程 GraphRAG 框架
一项研究提出多模态工程 GraphRAG 框架，将风灾后的图像与勘察报告证据转化为保留来源的构件级表示，区分已确认损伤、明确阴性证据、未决状态与临时措施。该框架结合图对齐检索与兼容性、矛盾、证据优先级和弃权机制约束推理，并用蒙特卡洛模拟在动作依赖网络中传播停工时间不确定性。
arXiv 物理AI 评分3434 APS ELN 如何为人类与语言模型智能体记录数值级数据溯源：一份经验报告
APS ELN 电子实验记录本采用数值级溯源架构，让每个存储数值记录来源文件、DFR 插件及版本、交互分析选择或派生量公式。对材料实验室近 5 年项目的审计发现，原始文件到存储数值的链路因人工录入缺失文件引用和提取器版本而断裂。
arXiv 物理AI 评分3838 TerraNostra-Bench：全球 1 公里土地利用重建的空间降尺度与时间推演基准
研究提出 TerraNostra-Bench，将高分辨率土地利用重建视为语义分割任务，用粗分辨率情景数据、气候分类与静态地球物理特征生成 1 公里年度土地利用图，并把空间降尺度与自回归时间推演分开评测、只对稀有的土地利用变化像素打分。
arXiv 物理AI 评分4848 随机介电图案训练实现纳米光子结构电磁场免重训预测
一种在随机介电图案上训练的电磁代理求解器，可直接预测未见几何与材料排布的复杂电磁场而无需重训。训练集含 5,001 个随机自由形状图案与 140 个相对介电常数（2.1 至 16.0）的 700,140 种组合，在 35,441 个几何-介电样本上，膨胀残差网络平均相对场误差为 1.4%-7.6%。对 6,950 个逆向设计超透镜样本，最优三种架构预测透射功率的中位相对误差为 0.7%-0.9%。
arXiv 物理AI 评分3232 HypoNet Nankai PS：用物理信息神经网络和三维P/S波速度模型快速定位南海海槽震源
HypoNet Nankai PS 将原有仅支持P波到时的物理信息神经网络震源定位框架扩展到P波和S波。研究基于P波模型经经验转换关系构建S波速度模型，并因S波速度更低、走时梯度更陡而重新设计了配点分布、网络架构与优化器。在223次DONET台站记录的地震上，定位结果在网络覆盖范围内与JMA目录基本一致，向海一侧则显著更浅，位于洋壳和上地幔顶部。
arXiv 物理AI 评分4040 4H-SiC AC-LGAD 首次实验演示：Transformer 神经网络助力 4D 跟踪
研究首次实验演示了 4H-SiC AC-LGAD 探测器，器件有源面积 1.0×1.0 mm²，采用 500 μm 间距的 2×2 AC 耦合焊盘阵列，并制作了两种增益层掺杂浓度。
arXiv 物理AI 评分4545 WARP：面向流体与等离子体的机器学习谱方法 PDE 求解器
研究者提出 WARP（Weak-form Anchored Rollout for PDEs），在 PDE 求解所用的空间离散格式中做弱形式发现，并通过以观测状态为锚点的多步 rollout 反向传播学习，从而得到机器学习 PDE 求解器。
arXiv 物理AI 评分3131 受 NeRF 启发的神经场实现反应流三维超分辨率
研究提出受 NeRF 启发的神经场超分辨率框架 NFSR，将连续坐标条件表示用于反应流场重建，并以主成分分析压缩热化学状态。其分层版本 H-NFSR 在湍流预混氢-空气火焰的三维直接数值模拟数据上，各坐标方向粗化 8 倍时预测指标优于三三次插值，并能恢复表面褶皱与局部火焰曲率等中小尺度特征。
arXiv 物理AI 评分1818 基于神经隐式流（NIF）的燃烧反应流超分辨率重建框架
研究者提出一种基于神经隐式流（NIF）扩展的框架，可从粗分辨率数据重建二维非定常火焰的精细标量场。该框架重构输入输出场，用基于非线性主成分分析（NLPCA）的潜成分空间重建精细场，并在 NIF 架构中为每个非线性主成分配置独立 ParameterNet。
arXiv 物理AI 评分3131 ISAT-ANN：负载均衡的神经网络辅助跨临界多相流相平衡自适应制表
研究提出 ISAT-ANN 混合框架，用预训练 ANN 在制表扩展时替代迭代求解器以保证不崩溃，并用 O(N) 贪心负载均衡算法在核心间重新分配计算任务。在 Mach 5 激波-液滴相互作用基准上，该方法准确捕捉激波-界面动力学且无失稳，单核热力学计算较独立 ANN 提速 2.30 倍、并行提速 2.62 倍，AMR 额外带来 2.92 倍整体效率提升。
arXiv 物理AI 评分2626 研究：技术能力前沿跃升多为单年突进，产品构成数据无法提升前沿预测
一项基于约 174 万条电子元件产品记录的研究发现，在 29 项人工筛选的能力中，77.8% 的大幅进步事件只包含一个观测到的进步年份，进步起始三年窗口内首次观测增益平均占总对数能力提升的 79.3%。前沿附近产品记录的中位占比仅 1.46%，而加入产品构成、厂商竞争与种群动态指标后，对后续前沿进步的样本外预测并未改善。
arXiv 物理精选AI 评分6060 FoundPDE：从数据符号化发现偏微分方程的预训练基础模型
作者提出 FoundPDE，一个用 Transformer 将离散时空轨迹映射为符号方程的预训练数据到符号基础模型，并结合傅里叶与一阶空间导数增强、数值系数精修和少样本微调。
推荐理由：论文给出预训练模型从数据直接映射符号方程的思路，并披露噪声与系数偏移下的识别率变化，便于判断这类方法的适用边界。
arXiv 物理AI 评分3434 物理引导神经网络校正提升浑浊介质光子传输解析精度
研究者提出一种物理引导残差学习框架，将扩散近似（DA）的解析预测作为物理先验，让网络只学习其与蒙特卡洛（MC）参考之间的残差。在评估的光学参数范围内，该方法将标量反射率 RMSE 和空间分辨反射率 RMSLE 分别较 DA 降低约 62 倍和 14 倍。仅用 1% 的训练数据，其对应误差就比直接神经网络代理模型低约 87% 和 93%。
arXiv 物理AI 评分2424 用异方差深度集成加速 Finsler 几何暗能量模型的贝叶斯推断
研究提出一种结合 Monte Carlo Dropout 与距离门控局部残差修正的异方差深度集成方法，用于加速 Finsler 几何统一暗能量模型的贝叶斯推断。
arXiv 物理AI 评分5858 研究：CNN 技术特征检测器在 Breakthrough Listen 数据上的漏检与误报
Omer Imran 训练并冻结一个标准竞赛用 CNN 检测器，向真实 Green Bank 背景注入 15,000 个信号，覆盖十种形态和五种幅度，测试其在训练分布外的表现。
arXiv 物理AI 评分1818 Langevin 动力学中的自主自谐漂移导致 Stochastic Localization 密度底层域紧致化
研究指出，带自谐漂移与经典自旋的 Langevin 动力学可视为 Stochastic Localization 的一个版本，其 n 维欧氏空间被“紧致化”到 n 维球面。作者通过对比两个框架认为，这种紧致化源于要求漂移项具有自主性，该关系有望拓展 Stochastic Localization 的适用范围。
arXiv 物理AI 评分3838 ZStar：统一计算极化、Born 有效电荷、介电与压电响应及红外/拉曼光谱的开源工具包
ZStar 是开源 Python 工具包，可自动计算极化、Born 有效电荷、声子、静态与频率相关介电响应以及红外和拉曼光谱，支持体块晶体、二维材料、一维结构和分子。
arXiv 物理AI 评分4242 PIAA-ZWFS：逼近波前传感基本极限的可微设计柔性波前传感器
研究提出 PIAA-ZWFS，在传统 Zernike 波前传感器（ZWFS）基础上利用无损光瞳切趾把星光集中到焦平面，并用可微建模框架结合贝叶斯实验设计进行优化。
arXiv 物理AI 评分4242 基于贝叶斯社区检测的可靠数据聚类方法
研究者提出一种将降噪与聚类合并为单步的贝叶斯社区检测方法，由同一最小描述长度准则同时决定数据稀疏化程度和聚类方式。在合成数据上，该方法在噪声更高、样本更少时仍能恢复聚类；在人类大脑基因共表达数据上，其聚类比标准工具 WGCNA 更一致、更稳定。
arXiv 物理AI 评分4242 NeuralDMD：从稀疏噪声测量中重建可解释时空动力学
NeuralDMD 将神经隐式表示与动态模式分解（DMD）结合，无需训练数据或数值模拟器，即可从稀疏、间接、含噪测量中重建连续时空动力学。该方法把 DMD 模式参数化为连续神经场，并施加低秩线性动力学先验与谱时间演化约束，在稀疏观测天气预报数据同化和银河系中心黑洞 Sagittarius A 的干涉（傅里叶域）观测等任务上优于基线，且外推至未来时保持稳定。
arXiv 物理AI 评分3030 结合 SFG 光谱与神经网络势分子动力学解析水-磁铁矿界面结构
研究结合相位分辨和频振动光谱（SFG）与神经网络势分子动力学模拟，解析中性及碱性 pH 下磁铁矿-水界面的分子结构。模拟将不同光谱特征归属为解离表面 OH 基团、八面体铁位点吸附的羟基与水分子、解离位点结合水及四面体行上方水分子，并揭示纳秒尺度重排的反应性界面羟基网络。实测与计算 SFG 光谱的系统性差异表明现有磁铁矿表面模型未能完全代表水相界面。
arXiv 物理AI 评分3838 基于数据分布微观结构的信息量化方法 Micro-Information Analysis
研究者提出名为“Micro-Information Analysis”的方法，通过先做无监督聚类捕捉数据分布中的高斯微域（微状态）及其占比、间距与非高斯残差比例，再结合聚类与香农熵最小化，以 bit 为单位量化数据微观结构所含信息。该方法输出易解读的 Information-Microstructure 图，可对不同数据按信息含量比较排序，并在合成数据与分子模拟数据上完成验证。
arXiv 物理AI 评分3636 Tersoff-NN：用神经网络扩展 Tersoff 势的混合机器学习键序模型
研究者提出 Tersoff-NN，一种面向 Si 的混合机器学习势，保留 Tersoff 势的解析径向相互作用与截断结构，仅用紧凑神经网络表示环境依赖的键序因子。
arXiv 物理AI 评分3434 面向托卡马克破裂警报的视野感知早期事件预测
研究将托卡马克破裂预警拆分为风险预测器与警报策略，提出视野截断生存目标和带时间标签平滑（TLS）的固定视野早期事件预测两种目标。在 DIII-D、Alcator C-Mod 和 EAST 数据库上，TLS 在排序与警报性能上均优于深度生存模型，并在三台装置上均优于平滑范围两端的硬目标。C-Mod 与 DIII-D 上警报性能仍有限且随训练种子波动明显。
arXiv 物理AI 评分5858 Rescene 用 0.4M 参数封装器将冻结天气模型改造为百年气候模拟器
Minjong Cheon 提出 Rescene，一个 0.4M 参数的封装器，把冻结的 1.5°、6 小时、69 变量天气模型改造成随机气候模拟器。
arXiv 物理AI 评分2828 用多层网络预测各行业人类移动规律
研究利用机器学习构建多层移动网络，按行业部门分层编码普查区之间的人流，并分析各层节点度的可预测性。结果显示，节点出度因受普查区人口驱动而易于预测，入度则因人群可被吸引至多种地点而更难预测；餐厅等特定行业类型的移动更易预测，且各行业可预测性与该类型地点的移动量正相关。
arXiv 物理AI 评分2525 光通信与光计算中的白盒、黑盒与物理信息数据驱动建模对比分析
该论文在光放大器、直接调制激光器和干涉仪网格三个用例上对比了白盒、黑盒与物理信息数据驱动三种建模范式。研究从模型复杂度、数据效率、泛化性和模块化四个维度评估各自权衡，指出数据驱动模型推理更快但训练数据效率低、泛化性有限，而融合物理知识与数据学习的混合范式可兼顾两者优势。
arXiv 物理AI 评分3434 Hyper-Kamiokande 实验的深度学习低能触发算法
针对 Hyper-Kamiokande 大型水切伦科夫探测器 7 MeV 以下低能中微子事件，深度学习触发算法在 3 MeV 动能单电子上实现 76.7% 的信号识别效率，远超传统命中计数触发的 26.4%。仅用探测器噪声训练的两类异常检测方法中，Manifold Projection-Diffusion Recovery 在同一工作点达到 35.4%。GPU 上每窗口推理延迟远低于毫秒级。
arXiv 物理AI 评分4242 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。
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。