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。
JAX
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。