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。
#物理
arXiv 物理AI 评分2626 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。
arXiv 量子物理AI 评分3838 量子伊辛模型动力学中偏差的几何膨胀对神经量子态构成挑战
研究以一维量子伊辛模型的淬火动力学为基准，通过监督式态重建给出比以往更紧的参数数量经验上界，排除了表示能力不足这一主要障碍。真正的问题在于量子几何张量（QGT）核的动态旋转会让原本无关的参数偏差突然获得物理意义，即偏差的几何膨胀，使无穷小时间相关变分原理（TDVP）难以精确求解。相同 TDVP 下矩阵乘积态解的稳定性表明，神经网络拟设的非线性是这种敏感性的来源。
arXiv 量子物理AI 评分3232 非厄米哈密顿量下玻色多体系统的平均场 Hartree 近似失效
研究证明，对于非厄米哈密顿量，平均场 Hartree 近似在热力学极限下无法给出单粒子边缘态正确的二阶时间导数。作者解析求解了 N 个玻色量子比特在纯反厄米哈密顿量下的模型，发现 N→∞ 时单粒子边缘态极限与 Hartree 方程解不一致，且存在初态使精确单粒子边缘态在有限时间内转变为混合态。对实谱非厄米哈密顿量的模拟同样显示 Hartree 方程无法复现正确的单粒子边缘态。
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1818 不可约表示截断对 QCD 量子模拟的影响
研究用欧氏蒙特卡洛方法和弱耦合格点微扰论计算了 SU(3) 格点规范理论基态中链接处于不同不可约表示 R、R' 的相对概率 p(R')/p(R)。方法通过在各项异性格点上引入 seam 构造观测量，并可测量每个顶点处不同 site singlet 的相对概率，从而量化弱耦合基态中高电通量态的重要性。结果直接说明在接近连续极限时需何种截断才能准确刻画非阿贝尔规范动力学。
arXiv 量子物理AI 评分5858 研究团队用54量子比特处理器模拟百万原子膜环境中的蛋白自水解
研究团队提出一种量子-经典混合工作流，结合分子动力学、密度泛函理论和相关波函数方法，整合CPU、GPU与QPU，用于模拟ADGRG1的自水解反应。该模拟处理了超过一百万个原子的体系，包含嵌入内质网膜的全长未切割受体，并调用54量子比特的IQM量子处理器和最多1,200块NVIDIA H100 GPU。作者称这展示了量子计算机可作为可扩展科学工作流中的加速器，将相关电子结构方法扩展到生物相关体系。
arXiv 量子物理AI 评分1818 多智能体行为中的信息流认证：通信调度可达行为的仿射刻画
研究多智能体在给定通信调度（发送者、接收者、消息字母表与输出时序的固定序列）加共享随机性下可产生哪些输入-输出行为，并证明在明确的操作假设下，可达行为的仿射包恰好由“每个联合输出统计量只依赖能到达相关智能体的输入”这组等式刻画，违反等式可同时定位被违反的统计量与缺失的输入。
arXiv 量子物理AI 评分2626 用薛定谔化量子电路模拟变系数 Vlasov 动力学
研究者为给定外场下的 Vlasov 动力学构造了无需经典场更新的显式薛定谔化量子电路。在 1D1V 情形中，速度相关平流直接从编码的速度寄存器编译，非线性立方场用可逆定点算术求值；固定多项式次数下，场工作区随坐标寄存器宽度线性增长，场求值子程序为多项式深度。
arXiv 量子物理AI 评分2626 量子辅助纯态无歧义区分：带鲁棒性界限的混合量子-经典框架
研究者提出一种混合量子-经典框架，将 NSS（噪声中等规模量子半定规划求解器）与倒易态表示结合，用于纯态的无歧义区分。以被区分态本身作为 ansatz 后，原矩阵变量 NSS 形式被化简为 N 个标量变量的优化（N 为被区分态数量），减少了优化变量与半正定约束。
Berkeley AI ResearchAI 评分5050 伯克利提出基于信息量的成像系统设计框架，成果入选 NeurIPS 2025
伯克利 AI 研究团队提出一个以互信息为核心的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该信息指标在四个成像领域预测系统性能，优化后得到的设计与 SOTA 端到端方法相当，同时内存和算力需求更低，且无需任务专用解码器设计。相关成果发表于 NeurIPS 2025 论文。