首页期刊导航|计算物理
期刊信息/Journal information
计算物理
计算物理

沈隆钧

双月刊

1001-246X

jswl@iapcm.ac.cn

010-62014411-2647、2292、2171

100094

北京市海淀区丰豪东路2号

计算物理/Journal Chinese Journal of Computational PhysicsCSCD北大核心CSTPCDEI
查看更多>>本刊是由中国科学技术协会主管、中国核学会主办、北京应用物理与计算数学研究所承办的计算物理学科综合性学术刊物,其宗旨是充分反映我国计算物理学科前沿的研究成果,促进国内外学术交流,推进计算物理学的发展。计算物理是物理学与科学计算相结合的交叉学科。在物理学相关领域内,凡从事物理建模和计算方法研究,并应用先进计算机获得计算结果的工作,均属投稿范围。本刊特别欢迎在国民经济建设和高科技领域内,运用高性能计算方法解决涉及物理学问题的有创造性的研究成果。
正式出版
收录年代

    专家访谈:沈隆钧研究员谈《计算物理》四十载

    刘洁史继荣周凯虹梁宏伟...
    689-694页

    庆祝《计算物理》创刊40载

    张锁春
    695-700页

    量子蒙特卡罗及其在凝聚态和温稠密物质中的应用

    马天星郭婷黄忠兵林海青...
    701-716页
    查看更多>>摘要:对量子蒙特卡罗方法的发展历程和几类典型的量子蒙特卡罗方法进行了详细介绍.总结分析了其在凝聚态物质系统的输运、磁性、超导和热力学性质等方面的研究成果,以及在温稠密物质方面的最新研究进展.最后对量子蒙特卡罗方法的发展前景进行展望.

    量子蒙特卡罗关联电子系统温稠密物质符号问题机器学习

    基于深度学习的反演算法:某些最新进展

    李凯张波
    717-731页
    查看更多>>摘要:反问题在雷达和声呐探测、医学成像、无损探伤、地球物理勘探等许多领域具有广泛而重要的应用.然而在大多数情况下,反问题是一个病态的不适定问题,构造其稳定高效的反演算法极具挑战性.利用未知解的先验信息来构建恰当的正则化策略是应对上述挑战的重要方法之一.传统正则化方法的成功依赖于将未知解准确的先验信息显式地编码到反演算法当中,但在实际计算中这往往是难以获取和实现的.随着近年来深度学习技术的发展,直接从数据中学习未知解的先验信息成为了可能,这将有助于发展高效稳定的反演算法.本文回顾了基于深度学习反演算法的一些最新进展,重点介绍基于可学习正则化框架的反演算法.此外,还总结了基于深度学习反演算法的优缺点,并展望其未来的发展方向.

    反问题反散射问题深度学习正则化方法可学习正则化框架

    面向工程应用的流体界面失稳湍流混合问题建模进展

    肖梦娟谢寒松宾远为张又升...
    732-745页
    查看更多>>摘要:流体力学界面不稳定性诱导的湍流混合现象广泛存在于各类自然现象和工程问题中.特别地,在工程流动问题中,一般涉及的是复杂初始扰动诱导下的湍流混合问题.这类混合问题往往多混合机制共存、主控参数宽泛剧烈变化.准确预测这些复杂性下混合区时空演化对于工程实践至关重要,雷诺平均 Navier-Stokes(RANS)和大涡模拟(LES)是工程应用最为可行的数值模拟方法.但是,现有 RANS 和 LES 建模面临难以统一预测各类混合问题等工程应用的难点.本文从工程应用视角,综述目前在 RANS和 LES建模方面的认识、存在的问题,以及团队的最新研究进展.

    界面不稳定性湍流混合雷诺平均Navier-Stokes模型大涡模拟模型

    纳尺度热传导中声子波动行为的物理及建模

    刘彬黄云帆王沫然
    746-771页
    查看更多>>摘要:纳尺度热传导因其内在载热声子表现出独特的输运行为,以及其解决电子器件热管理问题和提升热电转化能力中的巨大潜力,在近年来引发了广泛关注.本文回顾了近三十年纳尺度热传导理论和模拟方面的研究进展,特别是介绍并讨论了纳尺度相干热传导机制和基于波动和粒子两种图像的研究方法,以及这些方法在描述载热声子波动行为上的优势和局限.最后,剖析了纳尺度热传导研究领域面临的挑战并展望了未来可能的发展方向,以期推动对载热声子波粒二象性的深入理解,并促进其在关键领域中的应用.

    纳尺度热传导相干热传导声子热输运波动效应

    求解时间发展方程的机器学习方法

    郭嘉玮王涵谷同祥
    772-782页
    查看更多>>摘要:近年来,使用机器学习方法求解微分方程在不同领域受到越来越多的关注,然而机器学习方法在求解时间发展方程上遇到许多问题.本文从数据驱动的深度学习方法和基于方程学习的深度学习方法两个方面对现阶段针对时间发展方程的机器学习求解方法进行总结,并介绍在不同神经网络架构下针对性的求解算法.总结了使用物理信息引入的神经网络方法求解时间发展方程的训练特点与最新工作,并对未来工作进行展望.

    神经网络方法机器学习方法时间发展方程

    一类结合神经算子网络与贝叶斯神经网络的主动学习算法:从微观数据学习集群行为的宏观模型

    高正雅毛志平
    783-796页
    查看更多>>摘要:随着人工智能和科学计算的发展,深度学习在数学建模中发挥着越来越重要的作用.本文发展了一类结合微观数据的主动学习算法对集群行为建立的宏观模型.具体来说,针对 Cucker-Smale 模型,结合微观粒子数据与部分机理,发展了一类结合神经算子网络与贝叶斯神经网络的主动学习算法.该算法可通过群体行为的微观数据高效地建立对应的宏观 Euler模型.最后通过一维和二维数值模拟验证了主动学习算法的有效性.

    数学建模非局部欧拉方程贝叶斯神经网络主动学习算法Cucker-Smale模型

    复杂条件下放射性沾染数值模拟研究进展

    黄流兴卓俊李雅琦牛胜利...
    797-803页
    查看更多>>摘要:近地核爆炸烟云中的放射性颗粒在不同高度风的驱动下扩散并沉降,引起大范围的放射性沾染.传统放射性沾染预测模型建立在理想地形和气象条件下,无法解决复杂条件下的放射性沾染预测问题.本文介绍了作者所在团队近 10 年来在复杂条件下放射性沾染数值预测方面的研究进展.首先基于气固两相流模型建立了放射颗粒大气输运与沉降过程的数值模拟方法;然后分别采用雨滴碰撞模型和级联降尺度技术实现了降雨天气和复杂地形条件的放射性沾染预测;最后,利用建立的复杂条件下放射性沾染数值预测能力开展了沾染辐射环境分布规律计算研究,得到了有意义的结果.

    放射性沾染气固两相流数值模拟湿沉降复杂地形

    基于KAN与动态上采样器的流场预测模型

    常绍波陈泽伟余建庚刘子扬...
    804-813页
    查看更多>>摘要:针对流场预测需求,本文提出一种结合科尔莫哥罗夫-阿诺德网络(KAN)与动态上采样器(DySample:Upsampling by Dynamic Sampling)的 KAN耦合模型(KADS),并利用二维菱形翼型数据开展流场数据预测应用.本文改变原始 KAN的激活函数 B-Spline,构建FourierKAN、GRBFKAN、RBFKAN、ChebyKAN等KAN结构,并对其耦合DySample后的性能进行评估.通过与传统的多层感知机(MLP)进行对比发现,以切比雪夫多项式为激活函数的ChebyKAN能以较少的训练时间和次数实现较高的准确率,且在测试时不会出现过拟合的现象.结果表明:本文提出的 KADS模型适用于流场预测分析任务,能够为深度学习流体智能建模提供新的建模方法与思路.

    Kolmogorov-Arnoldnetworks动态上采样器神经网络流场预测