AI for Science

Modularity-Free Conflict-Averse Training for Generalized PINNs

面向广义PINN的无模块化冲突规避训练

Heejo Kong, Beomchul Park, Sung-Jin Kim, Seong-Whan Lee

专题命中 物理仿真 ：PINNs求解PDE，物理信息神经网络。

AI总结 针对过参数化PINN因功能模块化导致冲突规避优化失效的问题，提出ModSync框架，通过惩罚任务专属连接并保留交互路径，实现结构优化与冲突规避训练的融合，在多种PDE基准上达到最先进精度。

Comments Accepted by ICASSP 2026

Learning universal approximations for partial differential equations with Physics-Informed Broad Learning System

基于物理信息广度学习系统的偏微分方程通用逼近学习

Zhiwen Yu, Derong Yang, Liujian Zhang, Kaixiang Yang, Peilin Zhan, Jianmin Lv, Jane You, C. L. Philip Chen

专题命中 物理仿真 ：提出PIBLS求解偏微分方程，比PINN快1-3数量级

AI总结 提出物理信息广度学习系统（PIBLS），通过无反向传播的最小二乘优化高效求解线性和非线性偏微分方程，比传统PINN快1-3个数量级且精度更高。

Optimizing resource allocation for accuracy in noisy variational quantum algorithms

优化资源分配以提高含噪变分量子算法的精度

Harshit Verma, Thomas Ayral, Alexia Auffèves, Robert Whitney

专题命中 物理仿真 ：优化含噪变分量子算法资源分配，属于量子物理

AI总结 针对含噪变分量子算法，提出一种基于噪声-度量-资源的方法，通过权衡电路大小与迭代次数，最小化达到指定精度所需的资源成本。

Comments 18 pages, 14 figures, and 2 tables

Variational Polaron Theory for Ground States of Strongly Coupled Light-Matter and Electron-Phonon Systems

强耦合光-物质与电子-声子系统基态的变分极化子理论

Nguyen Thanh Phuc

专题命中 物理仿真 ：变分极化子理论用于光-物质耦合系统

AI总结 提出基于态依赖极化子变换的非微扰变分基态框架，结合乘积态假设和二阶微扰修正，在弱、强及中间耦合区间均保持高精度，Dicke和Holstein模型能量误差低于0.5%。

Comments 9 pages, 5 figures

String dynamics of a (2+1)D U(1) quantum link model on a digital quantum computer

(2+1)D U(1)量子链接模型在数字量子计算机上的弦动力学

Anthony Gandon, Alessandro Mariani, Debasish Banerjee, Emilie Huffman, Gurtej Kanwar, Francesco Tacchino, Uwe-Jens Wiese, Ivano Tavernelli

专题命中 物理仿真 ：量子计算机上模拟U(1)量子链接模型

AI总结 利用量子计算机实现最小U(1)量子链接模型，通过量子淬火探测弦的横向量子涨落，实验与张量网络计算及热平均一致，并展示了误差缓解方法在相变附近的准确性。

Dimension-Free Approximate Tensorization of Quantum Hypercontractivity for Qudit Depolarizing Semigroups

量子超收缩性的无维近似张量化：针对Qudit去极化半群

Yangjing Dong, Li Gao, Fengning Ou, Penghui Yao, Haigang Zhou

专题命中 物理仿真 ：研究量子马尔可夫半群的超收缩性张量化

AI总结 针对满足正非对角缩放性质的可逆量子马尔可夫半群，证明了超收缩性和对数Sobolev常数的几乎张量化，且常数与维数无关。

Comments Typos corrected, minor improvements to presentation

Structure-Informed Neural Operators for Long-Time Prediction of Parametric Hamiltonian PDEs

结构信息神经算子用于参数化哈密顿偏微分方程的长时间预测

Victory C. Obieke, Christopher Chukwuemeka, Emmanuel E. Oguadimma

专题命中 物理仿真 ：哈密顿PDE长时间预测的神经算子

AI总结 提出能量投影傅里叶神经算子(EP-FNO)，结合残差FNO时间步进与不变量投影，实现参数化哈密顿PDE的长时间稳定预测，数值实验验证其在Zakharov-Kuznetsov等方程上优于标准FNO。

An adaptive framework for the axisymmetric pulsar magnetosphere using physics-informed Kolmogorov-Arnold networks

基于物理信息Kolmogorov-Arnold网络的轴对称脉冲星磁层自适应框架

Spyros Rigas, Ioannis Contopoulos, Georgios Alexandridis, Antonios Nathanail

专题命中 物理仿真 ：物理信息神经网络求解脉冲星磁层方程

AI总结 提出基于Kolmogorov-Arnold网络的自适应框架，结合自动化训练流程和物理收敛准则，在双精度下将PDE残差均方误差降至O(1e-6)，收敛时间缩短至20分钟内，并可靠解析缩小80%的恒星半径。

Comments 25 pages, 10 figures

Finite-Time Relaxation of Inertial Particle Clustering in Non-Equilibrium Turbulence

非平衡湍流中惯性粒子聚团的有限时间弛豫

Taketo Tominaga, Ryo Onishi

专题命中 物理仿真 ：非平衡湍流中惯性粒子聚团研究

AI总结 通过直接数值模拟研究非平衡湍流中惯性粒子聚团的时间响应，发现瞬时平衡近似在强迫周期大于大涡翻转时间时失效，并构建了有限时间线性弛豫模型，将最大相对误差从49%降至10%。

The Machine Learning Approach to Moment Closure Relations for Plasma: A Review

等离子体矩闭包关系的机器学习方法：综述

Samuel Burles, Enrico Camporeale

专题命中 物理仿真 ：机器学习改进等离子体流体模型闭包

AI总结 本文综述了机器学习方法在等离子体流体模型中发展改进闭包模型的研究，涵盖神经网络代理和方程发现两类方法，并讨论了离线测试与在线模拟的挑战及未来方向。

Comments 58 pages, 6 figures

Neural Multiscale Decomposition for Solving The Nonlinear Klein-Gordon Equation with Time Oscillation

神经多尺度分解法用于求解带有时间振荡的非线性克莱因-戈登方程

Zhangyong Liang, Huanhuan Gao*

专题命中 物理仿真 ：提出神经多尺度分解法求解非线性波动方程。

AI总结 本文提出神经多尺度分解法（NeuralMD）用于求解带有无量纲参数ε∈(0,1]的非线性克莱因-戈登方程，通过多尺度时间积分器吸收时间振荡，将方程分解为非线性薛定谔方程与余项方程，有效缓解谱偏倚和传播失败问题。

Comments 65 pages, 24 figures

Lorentzian Gromov-Hausdorff convergence and pre-compactness

洛伦兹Gromov-Hausdorff收敛与预紧性

Andrea Mondino, Clemens Sämann

专题命中 物理仿真 ：引入洛伦兹空间的Gromov-Hausdorff收敛，应用于全局双曲时空和曲率驱动预紧性。

AI总结 本文引入洛伦兹空间的Gromov-Hausdorff收敛概念，基于因果钻石的ε-网和时间分离函数，证明了洛伦兹版本的Gromov预紧定理，并应用于全局双曲时空和曲率驱动的预紧性。

Comments 71 pages; v5: minor improvements, to appear in J. Reine Angew. Math

Generalized Beth--Uhlenbeck entropy formula from the $Φ-$derivable approach

从Φ-可导方法导出广义贝斯-乌尔伦贝克熵公式

David Blaschke, Gerd Röpke, Gordon Baym

专题命中 物理仿真 ：推导稠密费米系统熵的广义Beth-Uhlenbeck公式，应用于夸克和核物质。

AI总结 本文基于Φ-可导方法推导出稠密费米系统熵的广义贝斯-乌尔伦贝克公式，探讨了强两体相关作用下的散射态和束缚态，并讨论了其在夸克物质和核物质中的应用。

Comments 10 pages, 3 figures, contribution to the special issue of "Contributions to Plasma Physics" on the occasion of the 65th birthday of Michael Bonitz

Journal ref Contributions to Plasma Physics 0, e70145 (2026)

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。

High-Power Laser Drives Motion in Ultra-thin Photonic Crystal Lightsails via Radiation Pressure

高功率激光通过辐射压力驱动超薄光子晶体光帆运动

Lucas Norder, Ata Keşkekler, Richard A. Norte

专题命中 物理仿真 ：高功率激光驱动光帆运动，属于光学物理

AI总结 本研究制造了最大尺寸的亚波长系留光帆，通过共振光子模式实现99%反射率，并在高激光强度下产生高达1.75微米的辐射压力位移，为高功率纳米光子学和光驱动推进提供了实验平台。

Random Local Stabilizer Codes in Three Dimensions without String or Self-Similar Fractal Logical Operators

三维中无弦或自相似分形逻辑算子的随机局部稳定子码

Han Yan

专题命中 物理仿真 ：三维随机局部稳定子码，属于量子纠错

AI总结 本文提出三维随机局部qutrit稳定子码，证明其无弦逻辑算子，并通过数值观察显示其无自相似分形算子，改善了自校正性质。

Comments 20 pages, 11 figures. Repository for data: https://github.com/hanyanphysics/QTRCC

Quantum models with the Yang-Lee phase transition

具有杨-李相变的量子模型

Erick Arguello Cruz, Grigory Tarnopolsky

专题命中 物理仿真 ：杨-李相变的量子模型研究

AI总结 本文展示了四种在PT对称变形下实现杨-李相变的1+1维量子模型，通过态-算符对应识别临界点并验证二维临界性，发现所有模型均由带iφ^3相互作用的零质量玻色场描述。

Comments 33 pages + appendices, 16 figures