Recursive Flow Matching
Recursive Flow Matching 属于 generative dynamics 和科学建模交叉方向，目标是让 flow matching 更好表达复杂递归/多步动态结构。 论文将递归结构引入 flow matching，使模型能够在生成过程内部反复细化状态转移，而不仅是一次性学习固定时间流。 这种...
PRISM: Position-encoded Regressive Inverse Spectral Model for Multilayer Thin-Film Design
PRISM 关注 multilayer thin-film 的逆向设计：研究者希望从目标光谱直接得到材料层序和厚度，而不是在庞大组合空间中手工搜索。 论文提出 position-encoded regressive inverse spectral model，把薄膜层级结构作为可生成序列建模，从目标响应回推可...
Learning to Think in Physics: Breaking Shortcut Learning in Scientific Diffusion via Representation Alignment
REPA-P 指出 physics-informed diffusion 常只约束最终输出，隐藏层仍可能学 shortcut，导致边界条件变化时 OOD 鲁棒性差。 方法在选定中间层接轻量 projection heads，把 hidden activations 解码成物理量并施加 PDE residual...
AI CFD Scientist: Toward Open-Ended Computational Fluid Dynamics Discovery with Physics-Aware AI Agents
这篇论文的价值在于把 CFD 研究从单次 solver 调用或 surrogate modeling，推进到带物理约束的 agentic discovery loop。它把问题设定为开放式科学发现，而不是固定 benchmark 上的窄预测。 方法上，它围绕 CFD 的物理约束、仿真工具和研究假设迭代来组织 a...
A self-evolving agent for explainable diagnosis of DFT-experiment band-gap mismatch
这篇工作的强点在于，它不是把 AI 用作又一个 property predictor，而是把材料科学里一个很常见但长期依赖专家手工分析的 diagnosis loop 自动化了：为什么 DFT 预测金属而实验看到半导体。 XDFT 通过显式假设目录、对应 first-principles tests 和全局 B...
Interpretable Relational Inference with LLM-Guided Symbolic Dynamics Modeling
COSINE 处理从观测动力学中发现潜在交互图和符号方程的逆问题。传统神经方法可拟合但黑盒，符号回归可解释但通常假设拓扑和函数库固定，难以同时发现关系和机制。 论文提出可微框架，联合优化 interaction graph 与 sparse symbolic dynamics，并在外环引入 LLM 根据内层反馈...
Predicting Dynamics of Ultra-Large Complex Systems by Inferring Governing Equations
如何在超大规模复杂系统中同时获得可解释性与长期预测能力，是复杂系统建模里长期没有被真正解决的问题。传统 equation discovery 方法有解释性，但在规模上很快失效；纯神经网络虽然能扩展到大系统，却通常是黑箱，而且在长时预测和缺失数据条件下可靠性不足。这篇工作正面处理的，就是把 governing-e...
HorusEye: a self-supervised foundation model for generalizable X-ray tomography restoration
X-ray tomography 在科学和临床场景里都很关键，但图像退化、低剂量采集和数据稀缺一直限制其分析质量。已有 restoration 方法通常围绕特定模态和预设退化建模，泛化性差，导致大量后处理系统只能在窄条件下工作。 HorusEye 的核心新意，是把 restoration 重新定义为直接从数据中...
Weak-PDE-Net: Discovering Open-Form PDEs via Differentiable Symbolic Networks and Weak Formulation
从稀疏、含噪观测中恢复 governing PDE 一直很难，传统 sparse regression 路线通常同时受限于数值微分不稳定和固定候选库过窄。Weak-PDE-Net 处理的正是这两个长期瓶颈。 它把 surrogate dynamics learner、弱形式 PDE 生成器、符号网络和可微架构搜...
Pretrained Video Models as Differentiable Physics Simulators for Urban Wind Flows
这篇工作针对城市风环境设计中的一个核心瓶颈：高质量 CFD 仿真太慢，导致行人风舒适性与安全性的设计空间探索成本极高。作者把这个问题重新表述为可微的时空生成与优化问题，而不是单纯训练一个更快的数值替代器。 方法上，它从预训练视频扩散模型出发，微调成风场时序 rollout 的代理模拟器，并加入物理约束的解码损失...
Physics-informed Hamiltonian learning for large-scale optoelectronic property prediction
This Nature Communications paper targets a central bottleneck in materials simulation: accurate optoelectronic property prediction for large atomistic syste...
Epistemic Closure: Autonomous Mechanism Completion for Physically Consistent Simulation
**问题与背景** 这篇论文围绕 ai for science / scientific computing / mechanism completion 展开，目标是解决该方向里已经明确存在、但仍未被主流方法稳定解决的核心问题。按当前仓库标准，它属于值得正式收录的新作，因为问题本身有持续研究价值，且不是单纯的...
Protonic nickelate device networks for spatiotemporal neuromorphic computing
大多数神经形态硬件仍然只是分别模拟神经元样瞬态或突触样记忆，很难在同一材料系统里同时实现非线性时空处理、可编程记忆和网络级相互作用。这篇工作针对的正是这个硬件层面的缺口：如何把更接近生物神经回路的时空动力学与权重存储统一到一个可工作的器件平台中。 作者在同一片 NdNiO3 钙钛矿镍酸盐材料系统上构建了对称和非...
A Foundation Model for Non-Destructive Defect Identification from Vibrational Spectra
问题与背景：材料缺陷会决定半导体、量子材料、电池和能源材料性能，但传统表征方法往往破坏样品、化学选择性不足，或无法同时定量多个共存点缺陷。 方法与新意：DefectNet 从 phonon density-of-states 等振动谱直接预测缺陷元素和浓度，在 2000 种半导体、16000 多条模拟谱上训练...
Multiphoton Quantum Simulation of the Generalized Hopfield Memory Model
这篇论文讨论的不是常见的光子芯片通信或线性传输问题，而是一个更强的交叉命题：多光子量子干涉能否在物理层面实现类似联想记忆网络的有效动力学。作者把问题锚定到广义霍普菲尔德模型，试图回答光学量子系统是否能天然承载经典神经记忆模型中的高阶相互作用、记忆检索与黑障相变。 论文的核心贡献是给出了一条明确映射：由不可分辨光...
Meta-designing quantum experiments with language models
问题与背景：AI 可以搜索量子实验方案，但很多结果只是孤立解，缺乏可读的物理原则和可外推的设计规则。论文把问题推进到 meta-design：让模型生成可解释、可扩展的实验族。 方法与机制：研究训练 transformer language model 生成 Python 代码，代码描述量子态和实验蓝图之间的构...
Learning Flow Distributions via Projection-Constrained Diffusion on Manifolds
问题与背景：用扩散模型生成物理可行流场时，常见问题是物理约束只是软惩罚，难以保证不可压缩性、边界条件和复杂几何上的一致性。 方法/新意：这篇工作把 diffusion 生成和 manifold/projection 约束结合起来，通过 projection-constrained 机制让生成过程更接近严格物理可...
AutoNumerics: An Autonomous, PDE-Agnostic Multi-Agent Pipeline for Scientific Computing
偏微分方程是科学计算和工程建模的基础，但设计稳定、准确且高效的数值求解器通常需要较强的数学背景和大量人工调参。本文关注的问题不是再训练一个黑盒神经求解器，而是让 AI 从自然语言描述出发，自动完成数值方法设计、实现、调试和验证，从而降低科学计算的门槛。 作者提出 AutoNumerics，一个面向 PDE 的多...
Extending the range of graph neural networks with global encodings
这篇论文讨论图神经网络在长程相互作用建模中的一个基础限制：标准消息传递机制本质上是局部的，容易在大图或大分子体系中出现信息流瓶颈、oversquashing 和长程作用建模失真。这个问题在分子动力学和机器学习力场中特别突出，因为色散力、电场变化和界面效应往往跨越远大于局部 cutoff 的尺度。 作者提出 RA...
Learning the committor without collective variables
这篇 Nature Computational Science 论文处理的是分子动力学和稀有事件模拟里的一个基础难题：如何学习 committor，即系统到达目标态概率的最优反应进程刻画，而不先人为指定 collective variables。传统方法通常强依赖人工设计的低维反应坐标，这既限制了泛化，也容易把...
BEACONS: Bounded-Error, Algebraically-Composable Neural Solvers for Partial Differential Equations
- 分级：`颠覆性` - 正式标题：`BEACONS: Bounded-Error, Algebraically-Composable Neural Solvers for Partial Differential Equations` - 原文：`2026-02-16-P6_BEACONS-BEACONS_B...
A physics-informed graph neural network conserving linear and angular momentum for dynamical systems
这篇论文讨论如何让图神经网络在学习多体动力系统时不仅预测得准，而且在物理上自洽。很多 learned simulator 在短期误差上能做得不错，但一旦长时间 rollout 或遇到分布外情况，常常会违反守恒律，导致轨迹漂移。作者针对这个问题提出了一个同时守恒线动量和角动量的 physics-informed...
ALL-FEM: Agentic Large Language models Fine-tuned for Finite Element Methods
ALL-FEM 面向工程仿真中的有限元代码生成和验证瓶颈。普通 LLM 能写代码但容易幻觉，缺少变分结构意识，也无法闭环确认从问题描述到可验证解的正确性。 论文构建了包含 expert FEniCS 代码和检索扩展脚本的领域数据集，并把 domain-finetuned LLM、agentic workflow...
PDE-Agent: A toolchain-augmented multi-agent framework for PDE solving
这篇论文关心的是 PDE 求解流程自动化。传统 PDE 求解高度依赖人工设置方程、离散化、边界条件和求解工具选择，即便 PINN 或 DeepXDE 这类框架提高了自动化程度，也仍然需要大量专家介入。 PDE-Agent 把 PDE 求解重构成 tool invocation 问题，用一个 toolchain-...
PhysiOpt: Physics-Driven Shape Optimization for 3D Generative Models
- 分级：`突破性` - 正式标题：`PhysiOpt: Physics-Driven Shape Optimization for 3D Generative Models` - 原文：`2025-12-15-P5_PhysiOpt-PhysiOpt_Physics_Driven_Shape_Optimiza...
NeuralOGCM: Differentiable Ocean Modeling with Learnable Physics
问题与背景 海洋和气候动力学建模长期面对一个老问题：传统数值模型物理可信但太慢，纯深度学习模型很快但长期 rollout 容易发散、缺少物理一致性。NeuralOGCM 的目标正是去填这条缝，做一个既快又稳、还能保持物理合理性的海洋动力学模型。 方法与新意 这篇的核心不是单纯在 PDE 外面包一层网络，而是做了...
Self-driving lab discovers principles for steering spontaneous emission beyond conventional Fourier optics
问题与背景：可重构半导体超表面中的自发辐射方向控制很难，传统 Fourier optics 框架不足以解释和设计复杂远场发射。论文关注的是让自驱动实验室发现可解释物理原则。 方法与机制：系统结合 VAE 生成复杂折射率空间分布、active learning agent 指导实时闭环实验，以及神经网络方程学习器...
Actor–critic networks with analogue memristors mimicking reward-based learning
## 问题与背景 问题与背景：强化学习通常依赖数字硬件和软件优化循环，能耗和延迟都高。类脑/模拟硬件若要真正承接学习，而不只是推理加速，就需要把 reward-based learning 落到器件层。 ## 方法/新意 方法/新意：这篇工作使用 analogue memristors 构建 actor–cri...
ATHENA: Agentic Team for Hierarchical Evolutionary Numerical Algorithms
科学计算和科学机器学习里一个长期瓶颈，是理论想法到可执行数值算法之间仍然高度依赖专家手工设计。本文面向的不是单一 PDE 或单一神经网络，而是“如何让 AI 自主组织数值算法发现与实现流程”这一更上层的问题。 作者提出 ATHENA，把数值算法构造过程写成一个 agentic framework。其核心 HEN...
Physics-Informed Spiking Neural Networks via Conservative Flux Quantization
这篇论文关注一个很具体但重要的问题：如果希望在低功耗边缘设备上做符合物理定律的动力系统预测，传统 PINN 的能耗和守恒误差都不理想，而朴素把 PINN 换成 SNN 又会损失物理一致性。论文尝试把 physics-informed learning 和 spiking neural networks 真正结合...
Discovering physical laws with parallel symbolic enumeration
这篇论文讨论的是符号回归和物理规律发现里的核心瓶颈：表达式搜索太慢、重复计算太多、很难扩展到更复杂的规律恢复任务。作者把重点放在并行 symbolic enumeration 上，目标不是做一个小改良 baseline，而是把这条路线推进到可扩展工具层面。 方法上，论文提出并行 symbolic enumera...
Gradient descent in materia through homodyne gradient extraction
## 问题与背景 问题与背景：物理神经网络和模拟计算长期受制于一个核心问题：如何在真实物理器件里获得可用于训练的梯度，而不是退回数字仿真中做反向传播。没有稳定梯度提取，物理网络就很难成为真正可训练的计算体系。 ## 方法/新意 方法/新意：这篇工作提出基于 homodyne gradient extractio...
Walrus: A Cross-Domain Foundation Model for Continuum Dynamics
这篇论文面向连续介质动力学的统一建模问题，试图用单个基础模型覆盖流体、地学、天体物理等多个连续场景。传统科学机器学习模型往往只在单一 PDE 或单一模拟族上有效，而一旦跨分辨率、跨物理场景或做长期 rollout，稳定性和泛化就迅速恶化。作者把问题明确推进到“跨域基础模型”层面。 方法上，论文提出 Walrus...
AgenticSciML: Collaborative Multi-Agent Systems for Emergent Discovery in Scientific Machine Learning
科学机器学习模型的结构、损失设计和训练策略通常依赖专家反复试验，很难系统化迁移。本文关注的是：能否把 SciML 的方案设计本身交给多个 AI agent 协作完成，而不只是让模型去拟合某个物理系统。 作者提出 AgenticSciML，一个由十多个专门代理组成的协作框架，结合 structured debat...
A multi-agentic framework for real-time, autonomous freeform metasurface design
这篇论文解决的是自由曲面超表面设计中的一个难点：设计空间大、约束复杂、人工试探成本高。作者提出多智能体框架，把不同设计与评估角色拆分并协同。 方法上，系统通过多个 agent 分工执行方案提出、仿真评估、约束修正和候选筛选，目标是在实时或近实时条件下完成高质量 metasurface 设计。重点在于把多智能体决...
Generative thermodynamic computing
- 分级：`突破性` - 正式标题：`Generative thermodynamic computing` - 原文：`2025-10-30-P1_Generative_Thermodynamic_Computing-Generative_thermodynamic_computing.pdf` - 抽取：`...
Foundation Models for Discovery and Exploration in Chemical Space
这篇论文瞄准的是化学空间探索中的核心瓶颈：现有分子表示和性质预测体系覆盖面窄、任务割裂，很难支撑真正跨化学领域的发现与筛选。作者试图建立一个面向广泛分子结构和性质的统一基础模型，而不只是某个单项 benchmark 的最优器。 方法上，论文提出 MIST 系列分子基础模型，在参数量和训练数据规模上都显著超过既有...
An Analytical and AI-discovered Stable, Accurate, and Generalizable Subgrid-scale Closure for Geophysical Turbulence
- 分级：`突破性` - 正式标题：`An Analytical and AI-discovered Stable, Accurate, and Generalizable Subgrid-scale Closure for Geophysical Turbulence` - 原文：`2025-09-05-P2...
Graph atomic cluster expansion for foundational machine learning interatomic potentials
- 分级：`突破性` - 正式标题：`Graph atomic cluster expansion for foundational machine learning interatomic potentials` - 原文：`2025-08-25-P3_GRACE-Graph_atomic_cluster_e...
Unsupervised Classification of Non-Hermitian Topological Phases under Symmetries
- 分级：`突破性` - 正式标题：`Unsupervised Classification of Non-Hermitian Topological Phases under Symmetries` - 原文：`2024-12-30-P4_Non_Hermitian_Topology-Unsupervised...
Blending neural operators and relaxation methods in PDE numerical solvers
这篇论文处理的是科学计算里一个很经典但一直没有被 AI 真正解决干净的问题：传统 relaxation / multigrid / Krylov 一类数值方法在高频误差与低频误差上的收敛特性并不均衡，而纯 neural operator 又有明显的 spectral bias，很难稳健覆盖高频部分。作者没有把神...