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。
全部资讯动态
arXiv 物理AI 评分2525 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：面向耦合地貌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，并让有效历史长度 K 与更新间隔 B 随流场和河床状态变化。
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。
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5555 研究实现大误差区间量子 PAC 学习的无条件超多项式优势
arXiv 论文给出布尔函数在均匀分布、大误差区间下量子与经典 PAC 学习的无条件超多项式分离：对任意 λ(n)=n^{-ω(1)}，存在概念类可由多项式时间量子学习器以至少 1-1/n^k 的成功概率学到 1/2+λ(n) 的一致度。
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4040 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，可高效模拟经典输入下的执行，并通过模糊测试认证近似电路合成。论文给出三个应用：计算 $1/\sqrt{x}$ 以加速库仑算子的实空间模拟、Reed-Solomon 码解码、以及量子查找表与 Givens 旋转的受控应用，并提供参考实现以支撑相关 Kaggle 竞赛。
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。
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。