单节点十亿级自旋演化模拟：SpinX 框架深度解析与三维磁霍普夫子湮灭通道的发现
本文深度解析基于 JAX 构建的 GPU 原生原子级自旋动力学框架 SpinX，探讨其多通道张量卷积、混合精度算法，以及其在百万级原子晶格上揭示磁霍普夫子“侧向破裂”与“轴向塌缩”双通道湮灭物理机制的突破性成果。
JAX
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。
突破薛定谔方程维数灾难：基于 JAX 与 GPU 加速的张量积求解器深度实战
本文深度解析刘鑫宇与张祥雄教授的最新研究成果，介绍一种基于 GPU 加速、利用张量积结构实现 $O(N^{1+1/d})$ 复杂度的薛定谔算符求解器，支持在单卡上处理 10 亿自由度的 3D 问题及 9 维多体模拟。
鲁棒矩阵无关 Newton-Krylov 求解器：自动微分技术如何颠覆非线性 PDE 模拟
本文深入探讨了如何利用前向模式自动微分（AD）替代传统有限差分（FD）来计算 Jacobian-vector 产品，从而在矩阵无关 Newton-Krylov 求解器中实现极高的数值鲁棒性与跨量级的性能提升。
基于可微 Kraus 表示与张量网络的量子硬件噪声学习深度解析
本文深度解析了一种利用 Stinespring 扩张定理和矩阵乘积密度算符（MPDO）在张量网络上实现端到端可微量子噪声学习的方法，实现了对 IBM Heron 处理器噪声的高精度建模与跨电路迁移。
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。
gyaradax：深度解析基于 JAX 的可微局部回旋动力学仿真框架
本文深度解析了 gyaradax——一个仅用 3000 行 JAX 代码实现的高性能、可微局部回旋动力学求解器，探讨其在 GPU 加速、自动微分及 AI 辅助开发方面的突破。
深度解析：基于人工神经网络的变分蒙特卡洛方法（ANNVMC）——从理论基础到量子化学应用实践
本文深度解析了 William Freitas 的 ANNVMC 教程，探讨如何利用神经网络作为试探波函数解决多体量子系统基态求解问题，涵盖从一维势场到氢分子的完整演进。
端到端可微学习：构建适用于 DFT 和 LR-TDDFT 的统一交换相关泛函
本文深度解析了基于 JAX 的 IQC 框架，通过端到端可微工作流优化单一深度学习能量泛函，实现了对基态 DFT 与激发态 LR-TDDFT 的统一描述及分析一致性。
深度解析 WARPAX：利用 JAX 与自动微分攻克曲率驱动时空的观测者鲁棒性能量条件验证
本文深度解析了 WARPAX 工具包，探讨其如何通过 JAX 自动微分和梯度优化，替代传统离散采样法，实现对曲率驱动时空能量条件的观测者鲁棒性验证。
WARPAX：曲速驱动时空能量条件观测者鲁棒性深度解析工具
WARPAX是一个基于JAX、GPU加速的开源工具包，用于对曲速驱动时空进行观测者鲁棒的能量条件分析，它通过连续、基于梯度的优化取代了离散采样，并结合Hawking-Ellis代数分类，揭示了单帧分析可能系统性低估能量条件违规的范围和严重程度。