Accelerated sampling by infinite swapping of path integral molecular dynamics with surface hopping
Duke University（杜克大学）；Peking University（北京大学）
本文提出通过无限交换极限的多级环聚合物表示加速多级量子系统的热平衡采样，结合表面跃迁方法与平均场路径积分分子动力学，并提出多尺度积分器提升采样效率。
2018-01-29 cs.NA math.NA physics.chem-ph
Graphics processing units accelerated semiclassical initial value representation molecular dynamics
本文介绍了一种用于振动分子光谱计算的半经典初值表示（SC-IVR）传播子的图形处理单元（GPU）实现。时间平均制定的SC-IVR功率谱计算。提供了关于半经典代码的GPU实现的细节。考虑了原子数量不断增加的四种分子，GPU计算的振动频率与基准值完全匹配。讨论了两个GPU（NVIDIA Tesla C2075和Kepler K20）分别与两个CPU（Intel Core i5和Intel Xeon E5- 2687 W）的计算时间缩放以及与GPU实现相关的关键问题。计算时间和功耗的减少是显着的，半经典GPU计算被证明是环境友好的。
2014-05-08 physics.chem-ph physics.comp-ph quant-ph
Accelerated ab-initio Molecular Dynamics: probing the weak dispersive forces in dense liquid hydrogen
我们提出了一种从头算分子动力学方法，能够大大减少在有限温度下模拟经典和量子粒子所需的自相关时间。该方法是基于一个有效的实施一阶朗之万动力学修改通过一个合适的，位置相关的加速度矩阵$S$。在这里，我们应用这种技术，在量子蒙特卡罗（QMC）为基础的波函数的方法和Born-Oppheneimer近似内，用于确定高压氢的相图与模拟远长于自相关时间。与所提出的方法，我们能够平衡在几百个步骤，甚至接近液-液相变（LLT）。在我们的方法中，我们发现，LLT过渡是一致的，最近的密度泛函预测一个更大的过渡压力时，考虑到长程色散力。
2016-07-07 cond-mat.mtrl-sci cond-mat.stat-mech cond-mat.str-el
Interpolating many-body wave functions for accelerated molecular dynamics on the near-exact electronic surface
本文提出一种多电子态插值方案，在原子构型空间中利用少量精确相关波函数训练，实现近精确势能面上的加速分子动力学，保持平均场计算标度，并验证了数百万插值波函数的准确性。
2024-08-13 cond-mat.str-el physics.chem-ph physics.comp-ph
Molecular enhanced sampling with autoencoders: On-the-fly collective variable discovery and accelerated free energy landscape exploration
大分子和生物分子折叠景观通常包含高自由能势垒，这阻碍了通过标准分子动力学模拟对构型空间的有效采样。偏置采样可以人为地沿着预先指定的集体变量（CV）驱动模拟，但成功与否关键取决于与重要集体动力学运动相关的良好CV的可用性。非线性机器学习技术可以识别这样的CV，但通常不提供与执行偏置采样所需的原子坐标的显式关系。在这项工作中，我们使用自联想人工神经网络（“自动编码器”）来学习非线性CV，这些CV是原子坐标的显式且可微的函数。我们的方法在探索配置空间方面提供了大量的加速，并且通过其同时发现和直接加速数据驱动CV的能力与现有方法区分开来。我们展示了模拟丙氨酸二肽和色氨酸笼的方法，并在OpenMM中开发了一个开源和免费的实现。
2018-10-30 physics.bio-ph physics.comp-ph stat.ML
Path-accelerated molecular dynamics: Parallel-in-time integration using path integrals
大规模并行计算机体系结构为长时间尺度分子动力学（MD）模拟的性能创造了新的机会。在这里，我们介绍了路径加速分子动力学（PAMD）的方法，利用分布式计算，以减少挂钟时间的MD模拟通过并行化相对于MD时间步。系统的时间演化的边际分布表示在一个路径积分，使使用的路径采样技术，以数值积分MD轨迹。通过并行化相对于时间的路径动作的评估，并通过从非平衡分布初始化路径配置，该算法能够在给定的挂钟时间内整合的MD轨迹的长度方面实现显著的加速。该方法被证明为布朗动力学，虽然它是推广到其他随机运动方程，包括开放系统。我们将该方法应用到两个简单的系统，谐振子和Lennard-Jones液体，我们表明，在传统的欧拉积分方案相比，布朗动力学，新的方法可以减少挂钟的时间为一个给定的长度的轨迹集成超过三个数量级的前系统和两个以上的后者。这种在时间维度上并行化MD的新方法可以与用于并行化MD力评估的算法平凡地结合以实现进一步的加速。
2019-07-22 physics.chem-ph physics.comp-ph
Accelerated molecular dynamics force evaluation on graphics processing units for thermal conductivity calculations
在本文中，我们开发了一个高效的分子动力学代码完全实现的图形处理单元的热导率计算使用的绿色久保公式。我们比较了两种不同的力评估方案，一种是以前使用的线程方案，其中单个线程用于一个粒子，每个线程计算相应粒子的总力，以及一种新的块方案，其中整个块用于一个粒子，并且块中的每个线程计算与给定块相关联的粒子与其相邻粒子之间的一个或多个力对，与给定线程关联。对于这两种方案，两个不同的经典势，即，Lennard-Jones势和刚性离子势的实施。虽然线程方案在相对较大的系统中表现稍好，但块方案在相对较小的系统中表现得更好。随着截止半径的增大，块方案相对于螺纹方案的相对性能也有所提高。我们通过计算固体氩和碲化铅的晶格热导率来验证该实现。
2013-03-13 cond-mat.mtrl-sci physics.comp-ph
Accelerated Molecular Dynamics through stochastic iterations to strengthen yield of path hopping over upper states (SISYPHUS)
我们提出了一种新的方法，称为SISYPHUS（随机迭代，以加强产量的路径跳跃在上状态），延长可访问的时间尺度在原子模拟。该方法通过将相空间分离成盆地和基于一般集体变量（CV）标准的盆地之间的过渡区域来进行。通过传统的分子动力学（MD）的过渡区处理，而蒙特卡罗（MC）方法被用来（i）估计在每个盆地中花费的预期时间和（ii）热化两个MD事件之间的系统。特别是，一个有效的绝热切换为基础的计划是用来估计内的盆所花费的时间。该方法在以下方面提供了优于现有方法的各种优点：（i）提供准确的实时标度，（ii）避免依赖于谐波过渡态理论，以及（iii）避免需要枚举所有可能的过渡事件。介绍了SISYPHUS在体心立方Ta中低温空位扩散和面心立方Al中吸附原子岛熟化中的应用。一个新的CV适当的凝聚相，特别是涉及集体运动的几个原子的过渡，也介绍了。
2013-01-02 cond-mat.mtrl-sci cond-mat.stat-mech physics.comp-ph
Accelerated Computation of Free Energy Profile at ab Initio Quantum Mechanical/Molecular Mechanics Accuracy via a Semi-Empirical Reference Potential. I. Weighted Thermodynamics Perturbation
自由能分布（FE Profile）是估算反应反应速率和验证反应机理的必要量。对于凝聚相化学反应或酶促反应，从头计算（ai）量子力学/分子力学（QM/MM）水平上的FE轮廓的计算仍然过于昂贵。半经验（SE）方法可以比人工智能方法快数百或数千倍。然而，SE方法的准确性往往是不令人满意的，由于在这些方法中已采用的近似。在这项工作中，我们提出了一种新的方法，称为MBAR+WTP，其中的AI QM/MM自由能分布计算的加权热力学扰动（TP）校正产生的多状态贝内特接受比（MBAR）分析的轨迹从伞采样（US）的SE配置文件。在TP计算中使用的权重因子是在US轨迹的后处理中的MBAR分析的副产品，其通常在自由能计算之后被丢弃。结果表明，这种方法可以提高几个数量级的有限元轮廓计算的效率。
2018-11-14 physics.chem-ph physics.comp-ph
An empirical formulation of accelerated molecular dynamics for simulating and predicting microstructure evolution in materials
Yangtze University（长江大学）；Wuhan University（武汉大学）；The University of Osaka（大阪大学）；Zhejiang Normal University（浙江师范大学）
本文提出了一种实证分子动力学方法，通过引入最近邻偏心绝对位移作为广义反应坐标，实现对材料微结构演化的加速模拟与预测。
2025-12-09 cond-mat.mtrl-sci physics.comp-ph
FINETUNA: Fine-tuning Accelerated Molecular Simulations
Carnegie Mellon University（卡内基梅隆大学）
机器学习方法有可能以计算高效的方式近似密度泛函理论（DFT）进行原子模拟，这可能会大大增加计算模拟对现实世界问题的影响。然而，它们受到其准确性和生成标记数据的成本的限制。在这里，我们提出了一个在线主动学习框架，用于通过整合Open Catalyst项目的大规模预训练图神经网络模型所学习的先前物理信息，有效和准确地加速原子系统的模拟。加速这些模拟可以更便宜地生成有用的数据，从而可以训练更好的模型并筛选更多的原子系统。我们还提出了一种方法，比较本地优化技术的基础上，他们的速度和精度。在30个基准吸附剂-催化剂系统上的实验表明，我们的迁移学习方法结合了来自预训练模型的先验信息，通过将DFT计算的数量减少91%来加速模拟，同时在93%的时间内满足0.02 eV的准确度阈值。最后，我们展示了一种技术，利用内置的VASP的交互功能，有效地计算单点计算在我们的在线主动学习框架内，而无需显着的启动成本。这使得VASP能够与我们的框架协同工作，同时比传统的单点计算减少75%的自洽周期。在线主动学习实现，以及使用VASP交互式代码的示例，可以在Github上的开源FINETUNA包中找到。
2022-07-01 cond-mat.mtrl-sci cs.LG physics.comp-ph
Accelerated Weight Histogram Method for Rare Event Simulations
本文描述了一种自适应的马尔可夫链蒙特卡罗方法，适用于复杂概率模型中罕见失效概率的估计。这种方法，即加速权重直方图（AWH）方法，起源于统计物理学（Lidmar，2012），并已成功应用于生物物理学中的分子动力学模拟。在这里，我们介绍它的背景下，结构可靠性和证明其有用的计算故障概率在一些选定的问题的复杂程度不同，并比较与其他既定的技术，例如，子集模拟
2022-10-26 cond-mat.dis-nn cs.CE physics.comp-ph
Efficient Implementation of Gaussian Process Regression Accelerated Saddle Point Searches with Application to Molecular Reactions
Science Instiute& Faculty of Physical Sciences Univesity of Iceland（科学研究所与物理科学学院 冰岛大学）；SURF, Science Park 140, 1098 XG Amsterdam, The Netherlands（SURF，科学公园140号，1098 XG 阿姆斯特丹，荷兰）
本文将 GPR 代理曲面与二聚体最小模跟随法结合，用于分子反应一阶鞍点搜索，在500个反应上显著减少电子结构计算次数并降低多数案例耗时。
2025-07-08 cs.LG physics.chem-ph physics.comp-ph
Machine Learning Accelerated Computational Surface-Specific Vibrational Spectroscopy Reveals Oxidation Level of Graphene in Contact with Water
State Key Laboratory of Physical Chemistry of Solid Surfaces, iChEM, College of Chemistry and Chemical Engineering, Discipline of Intelligent Instrument and Equipment, Xiamen University（厦门大学化学化工学院物理化学固体表面国家重点实验室）；Pen-Tung Sah Institute of Micro-Nano Science and Technology, Xiamen University（厦门大学彭唐沙微纳科学技术研究院）；Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能研究院）
本研究利用机器学习和第一性原理计算揭示石墨烯氧化对界面水结构的影响，通过振动光谱变化表征氧化程度，为催化和电化学领域提供新的研究视角。
2025-07-01 cond-mat.mtrl-sci physics.chem-ph physics.comp-ph
A GPU-accelerated simulation of rapid intensification of a tropical cyclone with observed heating
本文利用OpenACC将热带气旋大气模式移植到GPU，在观测潜热强迫下实现高保真快速增强模拟，并验证了其能效与可扩展性。
2025-04-10 cs.NA math.NA physics.comp-ph
GPU-MetaD: Full-Life-Cycle GPU Accelerated Metadynamics with Machine Learning Potentials
National Laboratory of Solid State Microstructures, School of Physics and Collaborative Innovation Center of Advanced Microstructures, Nanjing University（南京大学固体微结构物理国家重点实验室、物理学院和先进微结构协同创新中心）；College of Physical Science and Technology, Bohai University（渤海大学物理科学与技术学院）
本文提出GPU-MetaD，通过GPU加速实现高精度分子动力学模拟，显著提升大规模系统和长时尺度的模拟效率，并揭示了氮化镓中新的尺寸依赖两步成核机制。
2026-03-23 physics.comp-ph
GPU-accelerated micromagnetic simulations using cloud computing
与使用中央处理单元（CPU）的传统计算相比，高度并行的图形处理单元（GPU）可以显著提高微磁模拟的速度。我们提出了一种策略，通过利用云计算服务提供的具有成本效益的GPU访问来执行GPU加速的微磁模拟，该云计算服务具有基于Python的开源程序，用于远程运行MuMax3微磁代码。我们分析了将云计算用于微磁学的可扩展性和成本效益。
2015-05-05 cond-mat.mes-hall physics.comp-ph
Accelerated "on-the-fly" coupled-cluster path-integral molecular dynamics: Impact of nuclear quantum effects on an asymmetric proton
University of Paderborn（帕德博恩大学）；Center for Advanced Systems Understanding (CASUS)（高级系统理解中心）；Helmholtz Zentrum Dresden-Rossendorf（德累斯顿-罗斯多夫亥姆霍兹中心）；Technische Universität Dresden（德累斯顿工业大学）
本文提出了一种加速的‘即用型’耦合簇路径积分分子动力学方法，用于有限温度模拟，同时处理电子相关性和核量子效应。该方法基于量子环聚合收缩（qRPC）技术，其中Hartree-Fock势在完整环聚合上计算，而昂贵的耦合簇修正仅在质心上计算。该qRPC分解结合了第二代Car-Parrinello-like动力学和基组一致的外推方法。三种加速层的结合对于实现相关PIMD计算至关重要。该方法应用于水和甲醛共享的质子，结果显示核量子效应扩展了共价X-H键长分布，减少了质子偏向甲醛的偏差，并将质子转移坐标的均值从0.206到0.135Å。质子更靠近甲醛的概率从81.7%降至61.1%。核磁屏蔽张量表明电子相关性和核量子效应大小相当，可能相互抵消。这些结果表明，预测不对称氢键的模拟需要同时处理相关电子结构和核量子涨落。
2026-05-19 cond-mat.mtrl-sci cond-mat.str-el physics.atm-clus
GPU accelerated Monte Carlo simulations of lattice spin models
我们考虑使用图形处理单元（GPU）提供的大规模并行架构的统计力学的经典自旋模型的蒙特卡罗模拟。我们讨论了离散和连续变量模型的模拟，并使用一系列算法，从单自旋翻转Metropolis更新集群算法到多规范和Wang-Landau技术，以判断GPU加速计算在这一领域的范围和局限性。对于讨论的大多数模拟，我们发现与单线程CPU实现相比，速度显著提高了两到三个数量级。
2011-07-27 cond-mat.stat-mech hep-lat physics.comp-ph
GPU-accelerated simulation of colloidal suspensions with direct hydrodynamic interactions
溶剂介导的胶体颗粒之间的流体动力学相互作用可以显着改变它们的动力学。我们讨论了斯托克斯动力学的实施，在流处理器的领先近似提供的计算统一设备架构（CUDA）最近的图形处理器（GPU）。因此，避免了显式溶剂颗粒的模拟，并且可以在现有的高度加速的分子动力学模拟中轻松地考虑流体动力学相互作用。特别强调的是有效的内存访问和数值稳定性。该算法被应用到一个集群的四个悬浮颗粒的周期性沉降。最后，我们调查的运行时性能的通用内存访问模式的复杂性$O(N^2)$的各种GPU算法依赖于硬件缓存或共享内存。
2012-05-29 physics.comp-ph
Recurrent Neural Network-based Model for Accelerated Trajectory Analysis in AIMD Simulations
Simon Fraser University（西蒙弗雷泽大学）；Forschungszentrum Jülich GmbH（于利希研究中心有限公司）
所提出的工作演示了循环神经网络（RNN）的训练，从原子坐标的分布在固态结构，使用从头算分子动力学（AIMD）模拟。固态结构上的AIMD模拟被视为一个多变量的时间序列问题。通过将模拟时间内原子之间的相互作用与它们之间的临时相关性联系起来，RNN在多变量时间相关数据中找到模式，从而能够预测轨迹路径和势能分布。两种类型的RNN，即门控递归单元和长短期记忆网络，被认为是。描述了该模型，并与氧化铱板上的基线AIMD模拟进行了比较。研究结果表明，这两个网络都可以用于加速计算材料研究中的统计采样。
2019-09-24 cs.AI physics.comp-ph
Accelerated ray-tracing simulations using McXtrace
本研究为 McXtrace 蒙特卡罗光线追踪工具引入了基于 openACC 的 GPU 加速功能，在多种仪器上实现了 250 至 600 倍的加速，并验证了其在航空安全 X 射线断层扫描应用中缩短模拟时间的价值。
2024-10-11 physics.comp-ph
Neural operator accelerated atomistic to continuum concurrent multiscale simulations of viscoelasticity
National Center for Computational Sciences, Oak Ridge National Laboratory（橡树岭国家实验室计算科学国家中心）；Department of Engineering, University of Cambridge（剑桥大学工程系）
本文提出一种基于神经算子的协同多尺度框架，通过原子模拟与连续有限元分析耦合，实现黏弹性材料的多尺度模拟。神经算子替代直接分子动力学计算，高效预测应力和内部变量。
2026-08-13 cond-mat.mtrl-sci physics.comp-ph
Self-optimized construction of transition rate matrices from accelerated atomistic simulations with Bayesian uncertainty quantification
提出了一种从温度加速分子动力学轨道建立大规模跃迁速率矩阵的大规模并行方法。贝叶斯马尔可夫模型分析用于估计在已知状态空间中的预期停留时间，为更高尺度的模拟方案（如动力学Monte Carlo或簇动力学）提供关键的不确定性量化。估计器还用于优化进行探索的位置和飞行中的温度加速程度，给出了探索复杂系统的状态空间的自主的最优过程。该方法进行了测试，对完全可解的模型，并用于探讨铁中C15间隙缺陷的动力学。我们的不确定性量化方案允许在几秒钟的时间尺度上对这些缺陷的演变进行精确建模。
2018-03-07 cond-mat.mtrl-sci physics.comp-ph
PySAGES: flexible, advanced sampling methods accelerated with GPUs
本文提出PySAGES，一个基于Python并支持GPU大规模并行加速的高级采样软件库，为分子动力学模拟提供自适应偏置力、谐波偏置和前向通量采样等方法，并作为通用平台支持新模拟技术的开发与自由能计算。
2023-04-04 physics.comp-ph
The road to accuracy: machine-learning-accelerated silicon ab initio simulations
从头算模拟能够提供在纳米尺度下材料行为的详细信息。然而，模拟实验相关的情况通常是计算密集型的。使用诸如密度泛函理论（DFT）和机器学习的从头算方法之间的混合方法，可以构建新的模型，其保持量子准确性，同时计算速度快了几个数量级。本文讨论了两个例子。第一个是计算寻找低能量的替代缺陷复合物在硅。第二个是从头算水平分子动力学模拟的深度学习势的构建。后者被应用于再现0 K状态方程和高温热膨胀的Si使用相同的模型。
2019-03-25 cond-mat.mtrl-sci physics.comp-ph
GPU accelerated fast multipole boundary element method for simulation of 3D bubble dynamics in potential flow
本文提出了一种模拟三维势流中气泡动力学的数值方法。该方法是基于拉普拉斯方程的边界元法加速通过快速多极子方法实现异构的CPU/GPU架构。对于网格稳定，一个新的平滑技术，使用表面滤波器。这种技术依赖于表面函数的球谐函数展开，用于在拓扑上等效于球体的气泡（或用于环形气泡的傅立叶级数）。与文献中的解决方案和收敛性研究的气泡在声场中的比较，该方法是有效的。讨论了算法的精度和性能。它表明，该方法能够在当代个人工作站上模拟具有数千个气泡和数百万个边界元素的气泡簇的动力学。该算法是可扩展的，可以扩展到更大的系统。
2019-05-03 physics.comp-ph
Accelerated nuclear quantum effects sampling with open path integrals
我们numericaly表明，在双井模型中，路径积分蒙特卡罗模拟的自相关时间可以小得多的标准相比，使用环聚合物。我们还提供了一个直观的解释的基础上的路径积分赝动力学的过渡态的作用的瞬子。因此，我们建议，在所有情况下，当基态近似的有限温度的配分函数成立，路径积分模拟可以用来加速采样的现实模拟，旨在探索核量子效应。
2016-07-29 physics.chem-ph physics.comp-ph
Celeris: A GPU-accelerated open source software with a Boussinesq-type wave solver for real-time interactive simulation and visualization
本文介绍了一个交互式的海岸波浪模拟和可视化软件，称为EQUIS。OpenOS是一个开源软件，需要最少的准备工作才能在Windows机器上运行。该软件使用混合有限体积-有限差分法求解扩展Boussinesq方程，并支持移动海岸线边界。模拟和可视化是在GPU上使用Direct 3D库执行的，这使得软件的运行速度比实时更快。EQUIPIS为海岸波浪应用提供了第一个交互式建模平台，它支持同时具有照片级真实感和彩色映射渲染功能的可视化。我们通过与三个标准基准的非破碎波和破碎波的比较来验证我们的软件。
2017-09-20 physics.comp-ph physics.flu-dyn
GPU-accelerated Monte Carlo simulations of anisotropic Heisenberg ferromagnets
蒙特卡罗方法是一种强大的技术，用于计算热力学磁性状态，否则无法解决的自旋哈密顿量，但该方法变得计算上的限制与自旋的数量增加，真实材料和纳米结构的模拟是繁琐的。本文介绍了在图形处理器（GPU）上加速三维各向异性海森堡模型的蒙特卡罗模拟。这里提出的方法的GPU实现提供了两个数量级的加速超过传统的实现，并使大型系统的模拟，与任何晶格，包含高达$10^8$自旋在一个单一的GPU。这提供了模拟数百纳米大小的复杂结构和设备的可能性，以便以原子分辨率计算它们在有限温度下的磁状态。
2021-06-21 cond-mat.mes-hall cond-mat.stat-mech physics.comp-ph
GPU-accelerated Red Blood Cells Simulations with Transport Dissipative Particle Dynamics
介观数值模拟为量化化学对红细胞功能的影响提供了一种独特的方法。输运耗散粒子动力学（tDPD）方法可以导致这种有效的多尺度模拟，由于其能够同时捕获介观对流，扩散和反应。在本文中，我们提出了一个GPU加速的红细胞模拟包的基础上tDPD适应我们的红细胞模型，它可以正确地恢复细胞膜的粘度，弹性，弯曲刚度，跨膜化学运输。该软件包基本上通过GPU并行处理所有计算工作负载，并结合了多流调度和非阻塞MPI通信，以提高节点间的可扩展性。我们的代码是验证的准确性和CPU的速度比较。强尺度和弱尺度也被提出来表征可伸缩性。我们观察到一个GPU在单个节点内的所有16个核心上的加速比为10.1，并且在256个节点上的扩展效率为91%。该程序可以快速周转和高通量数值模拟，用于研究化学驱动的红细胞现象和疾病。
2016-11-18 physics.bio-ph physics.comp-ph
High-Precision Numerical Simulations of Rotating Black Holes Accelerated by CUDA
硬件加速器（如Nvidia的CUDA GPU）在计算科学方面有着巨大的潜力，因为它们可以以相对较低的成本提供大幅的性能提升。在这项工作中，我们专注于使用Nvidia的特斯拉GPU在黑洞物理领域进行高精度（双精度，四精度和八精度）数值模拟-更具体地说，使用有限差分求解偏微分方程。我们详细描述了我们的方法，并提出了最终的性能结果相比，单核桌面处理器，也细胞BE。我们得到了混合的结果-在某些情况下整体性能的数量级增益和在其他情况下可以忽略不计的增益。
2010-06-03 gr-qc physics.comp-ph
JAX-BTE: A GPU-Accelerated Differentiable Solver for Phonon Boltzmann Transport Equations
本文提出JAX-BTE，一个基于可微编程的GPU加速声子BTE求解器，通过自动微分实现高效多尺度热建模，支持正向与逆向模拟，在性能上超越现有求解器，为半导体器件热分析与设计提供强大工具。
2025-04-01 cond-mat.mes-hall physics.comp-ph
Accelerated relaxation in disordered solids under cyclic loading with alternating shear orientation
利用分子动力学模拟研究了循环加载过程中剪切取向的交替变化对无序固体弛豫动力学的影响。模型玻璃最初是通过从液态快速冷却制备的，然后沿着单个平面或在二维或三维中周期性交替地进行循环剪切。我们发现，随着在弹性范围内的应变振幅的增加，系统被重新定位到更深的能量极小值。值得注意的是，发现在变形协议中剪切取向的每一个额外的交替使玻璃处于较低的能量状态。经过1000多次剪切循环后的力学试验结果表明，循环加载导致强度和剪切模量各向异性的增加。
2019-08-18 cond-mat.mtrl-sci cond-mat.soft physics.comp-ph
A self-learning algorithm for biased molecular dynamics
提出了一种新的加速动力学自学习算法--侦察元自学习算法，该算法能够处理大量的集体坐标。加速的动态是通过构建一个偏置电位的一维，局部有效的集体坐标拼凑。这些集体坐标是从轨迹分析中获得的，以便它们适应模拟过程中遇到的任何新特征。我们展示了如何使用这种方法来提高采样在真实的化学系统引用的例子都从物理学的集群和生物科学。
2010-09-07 physics.comp-ph
An accelerated sharp-interface method for multiphase flows simulations
在这项工作中，我们开发了一个加速的尖锐界面方法的基础上（胡等人，JCP，2006）和（Luo等人，JCP，2015）进行多相流模拟。传统的多相模拟方法使用根据CFL条件获得的所有流体的最小时间步长来演化流体状态，这限制了计算效率，因为一种流体的声速c可能比其他流体大得多。针对这一问题，在原有的类GFM尖界面方法的基础上，通过求解每个流体的控制方程，并采用相应的时间步长，发展了本方法。在不违反数值稳定性要求的情况下，具有较大时间尺度特征的流体状态将以较大的时间步长更新。通过插值具有较大时间尺度特征的流体中间态，求解了两种流体之间的相互作用步骤以实现同步。此外，界面通量校正实施，以保持保守性。本方法可以与基于小波的自适应多分辨率算法（Han等人，JCP，2014），以实现额外的计算效率。大量的数值试验表明，本方法得到的结果的精度与原来的昂贵的方法，具有显着的加速。
2019-05-10 physics.comp-ph
GPU-accelerated simulations of quantum annealing and the quantum approximate optimization algorithm
我们使用GPU加速版本的大规模并行Jülich通用量子计算机模拟器（JUQCS-G）研究大规模应用。首先，我们对JUWELS Booster进行了基准测试，这是一个拥有3744个NVIDIA A100 Tensor Core GPU的GPU集群。然后，我们使用JUQCS-G研究量子退火（QA）和量子近似优化算法（QAOA）之间的关系。我们发现，一个非常粗糙的离散化版本的QA，称为近似量子退火（AQA），表现令人惊讶的QAOA相比。它既可以用于初始化QAOA，也可以完全避免昂贵的优化过程。此外，我们还研究了使用AQA处理30到40个量子位的问题时成功概率的缩放。我们发现，最大的离散化误差尺度的情况下，最有利的，超过从QAOA获得的最佳结果。
2022-05-16 physics.comp-ph quant-ph
An "All Possible Steps" Approach to the Accelerated Use of Gillespie's Algorithm
许多物理和生物过程在本质上是随机的。这种过程的计算模型和模拟是数学和计算上的挑战。基本随机模拟算法是由D. Gillespie大约30年前[D. T. Gillespie，J. Phys. Chem. { \bf 81}，2340，（1977）]。从那时起，密集的工作已经完成，使算法在运行时间方面更有效。该算法的所有加速版本都旨在最小化在状态空间中产生随机轨迹所需的运行时间。在这些模拟中，可靠统计的必要条件是在大量模拟上求平均值。在这项研究中，我提出了一种新的加速方法，不改变随机算法，但减少了所需的运行次数。通过分析收集的数据，我证明了高精度水平，更少的模拟。此外，建议的方法提供了一个很好的估计统计误差，这可能是一个工具，用于确定所需的运行次数。
2007-03-22 physics.comp-ph q-bio.QM
Improving the efficiency of extended ensemble simulations: The accelerated weight histogram method
我们提出了一种有效的模拟方法，在扩展的合奏，有用的，例如，用于研究复杂的能量景观问题和自由能计算。在这种模拟的主要困难是先验未知的权重参数的估计需要产生平坦的直方图。该方法结合了几个互补的技术，即，吉布斯采样器的参数移动，重新加权程序，以优化数据的使用，和贝叶斯更新允许系统的改进的自由能估计。在一定的限制下，该格式退化为B.E. Belardinelli和V.D. Pereyra [Phys.Rev.E75，046701（2007）]。该方法的性能进行了研究的二维伊辛模型，其中比较与精确的自由能是可能的，和伊辛自旋玻璃。
2012-05-28 cond-mat.dis-nn cond-mat.stat-mech physics.comp-ph
CELES: CUDA-accelerated simulation of electromagnetic scattering by large ensembles of spheres
CELES是一个免费的MATLAB工具箱，用于模拟许多球形粒子的光散射。CELES以高计算性能为目标，利用块对角预处理（一种查找表方法）来评估昂贵的功能，并使用CUDA计算平台在NVIDIA图形处理单元上进行大规模并行执行。这些技术的组合允许在廉价的消费者硬件上有效地解决大的电动力学问题（$>10^4$散射体）。在本文中，我们验证了近场和远场分布对完善的多球$T$矩阵（MSTM）代码，并讨论了不同大小的合奏，包括一个示例性的系统，包括$10^5$粒子的收敛行为。
2017-06-06 physics.comp-ph physics.optics
Performing Path Integral Molecular Dynamics Using Artificial Intelligence Enhanced Molecular Simulation Framework
本研究利用人工智能增强的分子模拟框架，集成机器学习力场，实现高效路径积分分子动力学模拟，在保持量子力学精度的同时，以较低成本捕获复杂分子系统的核量子效应。
2025-03-31 physics.chem-ph physics.comp-ph
Physics-Preserving AI-Accelerated Simulations of Plasma Turbulence
Max Planck Institute for Plasma Physics（马克斯·普朗克等离子体物理研究所）；Technical University of Munich（慕尼黑工业大学）
该研究将大涡模拟与机器学习亚格子模型结合，用于自驱动等离子体湍流，在保留统计物理特性的同时将计算成本降低约三个数量级。
2023-09-28 cs.AI physics.comp-ph physics.plasm-ph
Numerical field optimization for enhanced efficiency in time-reversible gradient computation of open-source GPU-accelerated FDTD simulations
Leibniz University Hannover（汉诺威莱布尼茨大学）
本文提出两种优化方法，通过减少位宽和插值提升FDTD模拟的内存效率，特别适用于GPU加速计算和大规模开源模拟。
2026-03-25 physics.comp-ph physics.optics
A GPU-Accelerated Sharp Interface Immersed Boundary Solver for Large Scale Flow Simulations
Johns Hopkins University（约翰斯·霍普金斯大学）；NVIDIA Corporation（英伟达公司）
本文提出了一种基于GPU的尖界面浸没边界求解器，实现了对大规模流体模拟的加速，能够在多GPU系统上高效处理复杂三维流动问题。
2026-03-12 physics.comp-ph physics.flu-dyn
Machine Learning Accelerated Plasma Simulation through Physics Guided Time Jumps
Department of Nuclear Engineering and Radiological Sciences, University of Michigan（密歇根大学核工程与放射科学系）
提出一种结合学习时间跳跃与物理演化的机器学习加速等离子体模拟方案，在PASCHEN-1D求解器中实现，对纳秒脉冲氮气放电实现4.70倍CPU加速，并保持关键物理特征，展示了增强传统求解器的实用途径。
2026-09-22 physics.comp-ph physics.plasm-ph
Large-Scale High-Lundquist Number Reduced MHD Simulations of the Solar Corona Using GPU Accelerated Machines
我们最近进行了一项计算活动，调查模型的日冕加热在三维使用减少磁流体动力学（RMHD）。我们的代码是建立在一个传统的计划，使用伪谱方法，并使用MPI并行化。目前的调查需要非常长的时间集成使用高伦德奎斯特数，其中非常精细的电流层的形成挑战的决议，即使在大规模并行机上实现。我们在这里介绍一个端口的结果，以英伟达CUDA（计算统一设备架构）的硬件加速使用图形处理单元（GPU）。除了简要讨论我们的一般策略外，我们还将报告几台机器上的代码性能，这些机器跨越了各种硬件配置和功能。其中包括一个配备商用硬件的桌面工作站，一个配备四个Nvidia C2050 GPU的专用研究工作站，以及几个大型GPU加速的分布式内存机器：Lincoln/NCSA，Dirac/NERSC和Keeneland/NICS。
2011-09-27 astro-ph.IM astro-ph.SR physics.comp-ph
Bonsai-SPH: A GPU accelerated astrophysical Smoothed Particle Hydrodynamics code
我们提出的光滑粒子流体动力学模拟代码，Bonsai-SPH，这是我们以前开发的重力只分层$N$体代码（称为盆景）的延续。该代码针对图形处理单元（GPU）加速器进行了优化，使研究人员能够利用这些强大的计算资源。Bonsa-SPH产生的模拟结果与最先进的，基于CPU的，代码，但使用一个数量级更少的计算时间。该代码可以在网上免费获得，详细信息在本工作中描述。
2020-02-14 astro-ph.IM cs.DC physics.comp-ph
Boundary-velocity error and stability of the accelerated multi-direct-forcing immersed boundary method
Shinshu University（信州大学）；University of Edinburgh（爱丁堡大学）；Kyoto University（京都大学）
本研究探讨了加速多直接力浸没边界法的边界速度误差与稳定性，确定了关键参数以优化模拟稳定性并最小化速度误差。
2026-02-16 cs.NA math.NA physics.comp-ph
