跨越算力屏障：基于 Julia 与 MPI 的可扩展流体求解器 WaterLily.jl 及各向异性几何多网格求解器深度剖析
本文深度剖析了基于纯 Julia 编写的开源流体求解器 WaterLily.jl 的最新高性能演进：通过 ImplicitGlobalGrid.jl 实现的 MPI 并行化，以及融合自适应欠松弛红黑 Gauss-Seidel 光滑器和各向异性粗化算子的几何多网格（GMG）泊松求解器，为计算物理与计算化学领域的高性能求解器开发提供了关键的技术示范。
Computational Fluid Dynamics
破局高阶微分计算瓶颈：面向物理信息机器学习与离散偏微分方程伴随的高效显式导数内核解析
本文深度剖析了一种结合智能体辅助（Agent-assisted）与严格数值验证的显式导数内核方法，旨在攻克物理信息神经网络（PINNs）中高阶导数计算与计算流体力学（CFD）离散伴随算子中的高昂显存与时间开销，为量子化学、材料设计及流体力学等领域的导数密集型科学计算提供了一条极具实用价值的结构感知式（Structure-aware）加速路径。
基于高阶任意拉格朗日-欧拉不连续伽辽金方法（ALE-DG）在GPU上求解近无压缩流动的玻尔兹曼方程
本文深度解析了一种基于高阶不连续伽辽金空间离散与半解析龙格库塔时间积分的任意拉格朗日-欧拉（ALE）玻尔兹曼流体求解器。该方法完全满足几何守恒律（GCL），在GPU架构上展示了突破百亿自由度的弱可伸缩性能，为大变形移动边界流体模拟提供了先进方案。
MARUT 深度解析：多GPU加速、自适应网格（AMR）与有限速率非平衡化学反应流的外卡尺度高阶有限元（DGSEM）计算架构设计
本文深度剖析了基于 Julia 语言开发的下一代外卡尺度（Exascale）多GPU加速高阶间断 Galerkin（DGSEM）流体力学框架 MARUT。重点解析其在热化学非平衡、有限速率化学反应、全GPU常驻自适应网格细化（AMR）以及异构可扩展性上的核心理论、算法实现与量子化学动力学尺度级联的科学意义。