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。
#物理
arXiv 物理AI 评分2626 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 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 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。