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。
#人工智能
arXiv 物理AI 评分4242 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。
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 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 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 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3838 面向 Softmax Attention 的量子路线图：概率单纯形上 Softmax Attention 的精确 Born 规则对应
一篇 arXiv 论文给出 Softmax Attention 在概率单纯形上的精确量子实现：注意力分数是块编码投影上的 Hadamard 检验统计量，指数 Softmax 对应 Born 规则测量生成的余弦平方族内部，softmax 温度对应后选择测量轮数。
arXiv 量子物理AI 评分5858 研究用 Claude Opus 4.7 自动生成离子阱量子计算机穿梭编译器
一项 arXiv 研究让 Claude Opus 4.7 依据文字规格生成并迭代改进离子阱量子计算机的穿梭编译器，覆盖线性分段阱、带结阱和连通阱图三类架构。与手工编译器在相同量子电路上对比，前两类架构的穿梭时间步分别最多减少 72% 和 43%；在自由连通架构中，密集且多结的拓扑相比走廊式拓扑最多可减少一个数量级的时间步。
arXiv 量子物理AI 评分4040 风险感知神经脉冲编译：连续参数化单量子比特门的最优控制基准与 NMR 硬件验证
研究提出一种物理信息神经编译框架，学习从连续参数化单量子比特门目标到可实验控制波形的可复用映射，无需预计算最优脉冲标签即可端到端训练。在三量子比特液态 NMR 模型上，该编译器对 Haar 分布目标平均标称保真度超过 0.99，推理生成新脉冲耗时低于 1 毫秒。风险感知微调显著拓宽了对射频幅度误差的容忍范围，三自旋 NMR 处理器实验复现了预测的容忍度展宽，但绝对实验相关性低于模拟值。
arXiv 量子物理AI 评分5555 研究提出玻色采样与神经网络混合架构，用可编程电路生成量子核提升分类
Mohammad Sharifian 与 Abolfazl Bayat 提出一种混合框架，将玻色采样的计算能力与神经网络的适应性结合，构建量子核以增强支持向量机分类。神经网络把数据特征映射到可编程玻色采样电路上，产生覆盖高维希尔伯特空间的量子态。在四个不同类别的数据集上，该模型表现优于经典线性核与 sigmoid 核，论文发表于 npj Quantum Information 12 (2026)。
arXiv 量子物理AI 评分5858 AnyNet：用神经网络波函数模拟连续空间任意子气体
研究者提出名为 AnyNet 的神经网络波函数架构，用于研究连续模型中阿贝尔任意子气体，可精确施加任意子统计带来的短距离非解析行为。该方法在 N=4 时与精确对角化结果高度一致，对中间统计量算到 N=16，对近费米型任意子算到 N=20，与微扰结果偏差在 0.4% 以内。作者据此研究了谐振势阱中的任意子、任意子原子模型，以及统计参数变化下单粒子密度、对密度、角动量和多任意子聚合时的波函数标度行为。
arXiv 量子物理AI 评分3131 参数化量子电路中的任务对齐谱归纳偏置
研究显示，在数据重上传量子电路中编码固定的任务定义谱查询，可在不引入新样本相关信息的前提下，通过调节已有信号频率的组合方式改变电路对信号的假设空间。该机制与基于非均匀傅里叶变换的任务相匹配，在受合成孔径雷达启发的分类任务中，对齐查询使电路在有限数据下的学习效果优于参数匹配但查询不匹配或无查询的电路。
arXiv 量子物理AI 评分3838 利用量子电路中的可验证结构，用智能体 AI 找到更高效的编译方案
研究提出用 AI 智能体编译量子电路的方法：当瓶颈子程序具备可经典验证的结构（如仅由可逆经典逻辑、相位操作和基于测量的反计算组成）时，可对经典输入高效模拟执行，并通过模糊测试高效认证近似电路合成。
arXiv 量子物理AI 评分3838 量子网络中的传输质量估计：计算、模拟还是学习？
针对量子网络控制面决策所需的纠缠质量估计，文章提出 compute/simulate/learn 框架，并以基于模拟的概念验证加以说明。研究表明，解析组合在简单场景下已足够，当随机存储效应影响保真度分布时必须依赖模拟，而轻量学习代理模型能以更低运行成本逼近模拟器标签，用于在线控制。文章最后列出随机目标、sim-to-real 迁移、数据生成成本与拓扑泛化等部署挑战。
arXiv 量子物理AI 评分3131 IQP 特征映射量子核的 RKHS 表达能力研究
研究针对 IQP 特征映射，推导出关联 RKHS 生成元的傅里叶表示：以多项式变换输入变量上的三角函数有限和形式呈现，可及频率由电路结构决定并受带宽超参数缩放。该表示划分出局部化、多模态、周期性三种带宽区间，合成数据上的监督分类与无监督异常检测实验复现了这三种区间。可及频率与数据周期或多模态结构匹配时表达能力才转化为实际收益，为已知数据结构时选择带宽提供依据。
arXiv 量子物理AI 评分2424 ConQUESTA：面向量子神经网络拓扑感知的训练后结构化剪枝
研究者提出训练后剪枝框架 ConQUESTA，结合任务显著性与编译器成本筛选纠缠门候选，并在显式精度约束下搜索完整剪枝掩码。在 4、6、8 量子比特 QNN 与八个模型种子上，55% 剪枝率下 Breast Cancer、Digits01、Iris 平均资源分别降低 61.6%、72.0%、82.2%，较最强简单基线高 3.5、1.7、8.9 个百分点。
arXiv 量子物理AI 评分4242 学习量子近似优化算法所需的变分角度
研究团队训练模型直接从问题实例映射到高质量 QAOA 变分角度，用单次前向推理替代逐实例的经典求解器优化，速度快数个数量级且质量接近。模型可泛化到 Barabási-Albert 和 2D 网格等未见拓扑，量子硬件实验显示其角度采样与求解器角度难以区分。对拓扑敏感的模型能进一步提升角度质量，相关模型已开源。
arXiv 量子物理AI 评分3838 经典神经网络与参数化量子电路组合框架求解 Lindblad 主方程
研究者提出一种变分框架，用经典神经网络与参数化量子电路组合的 ansatz 求解 Lindblad 主方程，通过最小化残差代价函数实现，并在扩展 Hilbert 空间上用纯化表示密度矩阵以保证正定性、厄米性与单位迹。