AI for Science

Evaluating Universal Machine Learning Force Fields Against Experimental Measurements

评估通用机器学习力场与实验测量的对比

Sajid Mannan, Vaibhav Bihani, Carmelo Gonzales, Kin Long Kelvin Lee, Nitya Nand Gosvami, Sayan Ranu, Santiago Miret, N M Anoop Krishnan

专题命中 材料化学 ：评估通用机器学习力场在材料科学中的应用。

AI总结 提出UniFFBench框架和MinX数据集，系统评估六种通用机器学习力场，发现模型在计算基准上表现优异但在实验复杂性下存在显著“现实差距”，密度预测误差高于实际应用阈值。

Four regimes of primary radiation damage in tungsten

钨中初级辐射损伤的四个区域

Jesper Byggmästar, Ville-Markus Yli-Suutala, Aslak Fellman, Jan Åström, Jan Westerholm, Fredric Granberg

专题命中 材料化学 ：模拟钨中辐射损伤，用于聚变反应堆材料

AI总结 通过机器学习驱动的大规模分子动力学模拟，发现钨中初级损伤随能量变化呈现四个区域，其中高能区偏离所有现有模型，且该区域起始能量与聚变中子对钨原子的最大反冲能量一致。

Machine Learning a Phosphor's Excitation Band Position

机器学习发光体的激发带位置

Nakyung Lee, Małgorzata Sójka, Annie La, Syna Sharma, Seán Kavanagh, Docheon Ahn, David O. Scanlon, Jakoah Brgoch

专题命中 材料化学 ：机器学习预测发光材料激发波长

AI总结 本文提出基于极端梯度提升的机器学习方法，用于预测发光材料的最长激发波长，通过实验验证了Ce³+离子取代位点的数据，成功合成新型蓝光激发绿光发射材料。

Journal ref ACS Appl Mater Interfaces 2026 18 23 32921

Machine-learned prediction of carbon interstitial clusters in diamond

金刚石中碳间隙簇的机器学习预测

Xiaoya Chang, Arsalan Hashemi, Nima Ghafari Cherati, Mikko Karttunen, Ádám Gali, Tapio Ala-Nissila

专题命中 材料化学 ：机器学习预测金刚石碳间隙簇，属于材料科学

AI总结 通过主动学习构建间隙数据集，并基准测试三种机器学习原子间势，发现MACE势能准确预测能量和稳定性，而分子动力学模拟揭示了新的碳间隙簇及其亚稳态机制。

TorchNEP: Ultra-Efficient and Accurate Training of Neuroevolution Potentials

TorchNEP：神经演化势的超高效和精确训练

Yong-Chao Wu, Xiaoya Chang, Tero Mäkinen, Amin Esfandiarpour, Jian-Li Shao, Tapio Ala-Nissila, Zheyong Fan, Mikko Alava

专题命中 材料化学 ：神经演化势训练加速，属于材料科学智能

AI总结 提出基于PyTorch的TorchNEP框架，通过解析梯度、自适应优化和两阶段训练策略，将NEP训练加速两个数量级以上，并提升预测精度。

Calibration without labels in multiple testing

多重检验中的无标签校准

Adway S. Wadekar, Jake A. Soloff

专题命中 其他科学智能 ：提出多重检验无标签校准方法，应用于统计和神经科学

AI总结 针对多重检验中无法观测真实标签的难题，利用有序p值间距构造伪标签，实现局部错误发现率的校准，并揭示q值在心理学和神经科学文献中可能严重失准。

Oscillations and Spatial Patterns in Large-Scale Stochastic Gene Regulatory Networks

大规模随机基因调控网络中的振荡与空间模式

Manuel Eduardo Hernández-García, Jorge Velázquez-Castro

专题命中 其他科学智能 ：分析基因调控网络振荡与空间模式，数学建模

AI总结 研究负反馈与扩散的循环基因调控网络，通过确定性和随机方法分析其稳定性，发现随机波动可诱导图灵失稳，为理解发育中的模式形成提供新视角。

Comments 16 pages, 10 figures

BioHarness: Substrate-Aware Evidence Assembly for Biomedical Question Answering across Literature, Knowledge Bases, and Biological Atlases

BioHarness：面向生物医学问答的底物感知证据组装——跨文献、知识库和生物图谱

Meng Xiao, Chuan Qin, Jinmiao Chen, Yihang Cheng, Yuanchun Zhou, Hengshu Zhu

专题命中 其他科学智能 ：面向生物医学问答的检索增强生成系统

AI总结 提出BioHarness，通过级联控制机制在文献检索、知识库和生物图谱间选择性组装证据，提升生物医学问答准确率，在19,302个问答项上得分从65.9提升至71.0。

Comments 14 Pages, 11 Figures, Keywords: biomedical question answering; retrieval-augmented generation; large language models; evidence assembly; biomedical knowledge bases; biological atlases

SSH-Net: A Deep Neural Network for Predicting Failure Time Distribution Functions under Competing Risks with Application to GPU Data

SSH-Net: 一种用于竞争风险下预测失效时间分布函数的深度神经网络及其在GPU数据上的应用

Jie Min, Yueyao Wang, Mengkun Chen

专题命中 其他科学智能 ：提出深度神经网络预测失效时间，应用于GPU数据，属于科学智能

AI总结 提出结构化分段风险深度神经网络（SSH-Net），通过将网络结构与数据结构关联，允许不同协变量组通过子网络影响预测，在竞争风险框架下预测失效时间分布函数，仿真和GPU数据验证了准确性。

Variational Consensus Monte Carlo for Bayesian Mixture

变分共识蒙特卡洛用于贝叶斯混合模型

Julie Fendler, Francesca L. Crowe, Tom Marshall, Sylvia Richardson, Paul D. W. Kirk

专题命中 其他科学智能 ：提出贝叶斯混合模型用于联邦学习，在电子健康记录数据上验证

AI总结 提出变分共识蒙特卡洛方法扩展至过拟合贝叶斯混合模型，通过新颖的聚类匹配算法和聚合策略，在联邦学习设置下推断聚类数和所有参数，并在模拟和真实电子健康记录数据上验证了有效性。

Leveraging tails for adaptation

利用尾部进行自适应

Sergios Agapiou, Ismaël Castillo, Paul Egels

专题命中 其他科学智能 ：研究非参数贝叶斯后验收缩率，应用于白噪声回归和ReLU神经网络

AI总结 研究非参数贝叶斯中基于p-指数尾先验的后验收缩率，发现p越小收缩越快，且p→0时可实现光滑性自适应，应用于白噪声回归和ReLU神经网络。

Comments 59 pages, 3 figures

Vistas: A Visualization Interface for Particle Collision Simulations

Vistas：粒子碰撞模拟的可视化界面

Benoit Assi, Christan Bierlich, Rikab Gambhir, Philip Ilten, Tony Menzo, Stephen Mrenna, Manuel Szewc, Michael K. Wilkinson, Ahmed Youssef, Jure Zupan

专题命中 其他科学智能 ：可视化粒子碰撞模拟，用于物理教育

AI总结 提出Vistas工具，利用浏览器事件显示框架Phoenix可视化Pythia模拟的高能粒子碰撞各阶段，通过交互式3D图结构展示粒子，支持旋转、缩放和筛选，适用于物理教育。

Comments 20 pages, 9 figures, public code available

Agentic-AI Detector Co-design and Optimization in Vertically-Integrated Differentiable Full Simulations

Agentic-AI探测器协同设计与优化在垂直集成可微分全模拟中

Wonyong Chung, Qibin Liu, Liangyu Wu, Julia Gonski

专题命中 其他科学智能 ：高能物理探测器设计优化

AI总结 提出双层级优化框架，将AI智能体集成到高能物理探测器设计中，通过可微分全模拟联合优化几何、前端数字化和重建算法参数，在竞争性能指标下找到最优设计点。

Comments 7 pages, 3 figures

HEPTv2: End-to-End Efficient Point Transformer for Charged Particle Reconstruction

HEPTv2：用于带电粒子重建的端到端高效点变换器

Siqi Miao, Shitij Govil, Jack P. Rodgers, Mia Liu, Javier Duarte, Shih-Chieh Hsu, Yuan-Tang Chou, Pan Li

专题命中 其他科学智能 ：点变换器用于粒子物理轨迹重建

AI总结 提出HEPTv2，一种端到端点变换器架构，通过局部敏感哈希编码和扇区化解码，无需图构建即可从探测器击中点直接重建粒子轨迹，在TrackML上以0.8%假率实现98.6%追踪效率，延迟仅15ms。

Neural network surrogates with uncertainty quantification for inverse problems in partial differential equations

具有不确定性量化的神经网络代理模型用于偏微分方程反问题

Christian Jimenez-Beltran, Aretha L. Teckentrup, Antonio Vergari, Konstantinos C. Zygalakis

专题命中 物理仿真 ：神经网络代理用于偏微分方程反问题，不确定性量化

AI总结 提出DeepGaLA神经网络代理模型，为微分方程求解器提供不确定性感知预测，结合延迟接受MCMC诊断，实现高效可靠的贝叶斯反演。

Kolmogorov-Arnold Reservoir Computing

Kolmogorov-Arnold 储层计算

Juntian Huang, Jurgen Kurths, Ying Tang

专题命中 物理仿真 ：提出KARC用于动力系统预测

AI总结 提出Kolmogorov-Arnold储层计算（KARC），用显式基函数展开替代储层，结合KAN的表达能力和储层计算的闭式训练，在偏微分方程等基准上优于现有方法。

Evolutionary Two-Stage Hyperparameter Optimization Strategies for Physics-Informed Neural Networks

物理信息神经网络的进化两阶段超参数优化策略

Fedor Buzaev, Dmitry Efremenko, Egor Bugaev, Andrei Ermakov, Denis Derkach, Daria Pugacheva, Fedor Ratnikov

专题命中 物理仿真 ：进化优化物理信息神经网络超参数

AI总结 针对物理信息神经网络训练不稳定、超参数敏感的问题，提出基于进化算法的两阶段优化策略，先低保真筛选再全训练，在三个PDE问题上显著降低误差。

Comments Equal advising: Daria Pugacheva and Fedor Ratnikov. Accepted to the ICLR 2026 Workshop on AI and PDEs

Establishing an $Ω(\sqrt{d})$ complexity lower bound for PDMP samplers and how to break it: a sub-$\sqrt{d}$ algorithm for Gaussian-tailed targets

建立 PDMP 采样器的 $\Omega(\sqrt{d})$ 复杂度下界及如何突破：针对高斯尾目标的一个亚 $\sqrt{d}$ 算法

Augustin Chevallier

专题命中 物理仿真 ：提出PDMP采样器新方案，优化高斯尾目标复杂度

AI总结 本文证明分段确定性马尔可夫过程采样器在标准设置下具有 $\Omega(\sqrt{d})$ 复杂度下界，并通过放宽目标密度连续时间不变性假设，提出一种新方案，对高斯尾目标实现 $O(d^\alpha)$（$\alpha\in[0.2,0.3]$）的经验复杂度。

A fast direct solver based neural network for solving PDEs

基于快速直接求解器的神经网络求解偏微分方程

Jashwanth Reddy Kadaru, Vaishnavi Gujjula

专题命中 物理仿真 ：提出神经网络求解PDE，属于物理仿真

AI总结 提出一种学习HODLR矩阵逆运算的神经网络，并扩展为非线性PDE求解算子，实验表明在多种PDE上高效且泛化良好。

Comments 26 pages, 7 Figures, 5 Tables

Eigenvector Varieties

特征向量簇

Sandra Di Rocco, Bernd Sturmfels, Svala Sverrisdóttir

专题命中 物理仿真 ：研究李代数和量子系统哈密顿量的特征向量簇，属于数学物理

AI总结 研究方阵线性空间的特征向量簇，系统分析李代数和量子系统哈密顿量的相关几何性质。

Optimal Ansatz-free Hamiltonian Learning In Situ

无假设哈密顿量的最优原位学习

Taiqi Zhou, Weiyuan Gong

专题命中 物理仿真 ：哈密顿量学习算法，量子信息科学

AI总结 提出一种无需控制、无需辅助比特的算法，仅用泡利乘积态制备和测量，以最优总演化时间学习无假设哈密顿量，适用于近中期量子实验。

Comments 51 pages, 2 figures

Observation of alignment tensor effects in metastability-exchange collisions with highly polarized 3He ensembles

高度极化3He系综中亚稳态交换碰撞中排列张量效应的观测

Yida Sha, Kaiwen Yi, Xingqing Jin, Matteo Fadel, Xiang Peng

专题命中 物理仿真 ：3He极化实验，原子物理与量子传感

AI总结 通过线性化平均场模型和自由感应衰减测量，实验观测到高度极化3He中亚稳态排列张量引起的弛豫和频移，理论与实验吻合，为高精度磁测和自旋压缩态生成提供应用。

Comments 12 pages, 5 figures

Effective Faraday interaction between light and Helium-3 nuclear spins in a multi-pass cell

多通池中光与氦-3核自旋的有效法拉第相互作用

Kaiwen Yi, Yida Sha, Zejia Lin, Matteo Fadel, Xiang Peng

专题命中 物理仿真 ：光与核自旋相互作用，量子传感

AI总结 通过亚稳态交换碰撞在多通池中实现光与氦-3核自旋的有效法拉第相互作用，并定量表征其强度，预测测量诱导的压缩速率为0.52 s$^{-1}$。

Quantum-classical physics-informed Kolmogorov-Arnold networks for PDEs

量子-经典物理信息Kolmogorov-Arnold网络求解偏微分方程

Xiang Rao, Yuxuan Shen

专题命中 物理仿真 ：量子-经典PINN求解PDE，科学计算

AI总结 提出QCPIKAN，首个量子-经典物理信息Kolmogorov-Arnold网络，结合Chebyshev多项式KAN层和参数化量子电路，通过嵌入物理约束加速高频误差指数收敛并抑制数值色散，在多孔介质渗流场景中优于现有量子-经典PINN。

Structure-Oriented Randomized Neural Networks for Poisson-Nernst-Planck and Poisson-Nernst-Planck-Navier-Stokes Systems

面向结构的随机神经网络用于泊松-能斯特-普朗克和泊松-能斯特-普朗克-纳维-斯托克斯系统

Yunlong Li, Fei Wang

专题命中 物理仿真 ：随机神经网络求解PNP系统，科学计算

AI总结 提出结构导向随机神经网络(SO-RaNN)框架，通过解耦线性化子问题、逐点截断保持浓度正性、离散质量缩放因子和SAV后处理修正，实现PNP和PNP-NS系统的高效求解，并理论推导残差估计和收敛性。

Advances in Scientific Machine Learning for Coupled Fluid Flow and Transport

耦合流体流动与输运的科学机器学习进展

Gabriel F. Barros, Rômulo M. Silva, Alvaro L. G. A. Coutinho

专题命中 物理仿真 ：科学机器学习综述，流体动力学

AI总结 综述科学机器学习在耦合流体流动与输运问题中的进展，包括基于SVD的线性降阶和PINNs、β-VAE等神经网络方法，并展示其在浊流和热对流中的应用。

Efficient classical representation and quantum state preparation of complete active space wavefunctions

完全活性空间波函数的高效经典表示与量子态制备

Hamza Jnane

专题命中 物理仿真 ：量子化学波函数表示与制备，属于物理仿真

AI总结 针对强电子关联分子，提出基于量子Paldus变换的完全活性空间波函数高效经典表示（矩阵乘积态，键维O(d^2)）和量子态制备方法，复杂度O(d^3)，较现有方法指数级改进。

Comments 14 pages, 5 figures

Thermodynamic Measure of Intelligence

智能的热力学度量

Ishanu Chattopadhyay

专题命中 物理仿真 ：提出智能的热力学度量，属于物理与AI交叉

AI总结 提出智能是稀有但有效未来的合法放大，通过递归自模拟实现，并给出热力学度量，证明该结构对高智能必要且近乎充分。

PRecover 1.0: Process Rate Recovery with Machine Learning

PRecover 1.0：基于机器学习的过程速率恢复

Miriam Simm, Tom Beucler, Corinna Hoose

专题命中 气象气候 ：机器学习恢复云微物理速率，气象应用

AI总结 提出PRecover数据驱动后处理方法，利用随机森林、梯度提升和神经网络从ICON模型标准输出中恢复未存储的云微物理过程速率，采用两步分类-回归方法，成功恢复短时间累积速率并提供校准预测区间。

Comments Prepared for submission to Geoscientific Model Development (GMD)

A Stochastic-Thermodynamic Constraint on the Seasonal Phase Locking of the El Niño-Southern Oscillation

厄尔尼诺-南方涛动季节锁相的一个随机热力学约束

Yuki Yasuda, Tsubasa Kohyama

专题命中 气象气候 ：ENSO季节锁相机制，属于气候科学智能

AI总结 通过线性随机充放电振子模型，利用热力学不确定关系量化熵产生率对SST异常方差季节变化的约束，解释ENSO冬季锁相机制。