JAX-AMG深度解析：为可微量子化学与AI for Science打造的GPU加速可微稀疏线性求解器
本文深度解析了JAX-AMG物理仿真与科学机器学习库。该库首次将Nvidia AmgX的高性能GPU代数多网格（AMG）求解器与JAX的可微编程生态无缝融合，攻克了高维、病态稀疏线性系统在反问题和梯度优化中的计算瓶颈，为可微量子化学、电子结构计算和高精度物理仿真提供了革命性的底层算力支撑。
GPU Computing
量子退火启发式算法在多目标组合优化中的深度应用：从理论架构到 GPU 加速实践
本文深度解析了基于噪声注入模拟分叉（NI-SB）的多目标量子退火启发式算法，探讨其在处理 MO-MaxCut 问题时如何以超越 D-Wave 量子退火器两个数量级的采样速度刷新 SOTA 纪录。
JZ-TREE 深度解析：利用 JAX 与 CUDA 协同实现 GPU 友好的邻域搜索与 FoF 聚类
本文深度解析了 JZ-TREE 框架，这是一种基于 Morton 序（Z-Order）平面层级的 GPU 树形结构，通过双树遍历和 JAX/CUDA 协同，在处理超大规模粒子体系时性能优于传统库一个数量级。