Dynamics

§ 01综述

Dynamics 指系统随时间演变的规律，涵盖物理、化学、机器人等多个领域中的运动与变化过程。近期研究从物理信息神经网络（PINN）模拟弹性波，到分子动力学加速方法，再到人形机器人实际搬运作业，展现了动力学在不同尺度与场景下的新进展。

PINN 框架在双材料系统弹性波动中的新应用

2025年7月，arXiv 上发表了一项研究 PINN框架用于双材料系统弹性波动传播，提出利用物理信息神经网络（PINN）准确模拟跨介质弹性波动传播。该方法无需离散网格，可直接求解波动方程，为地震工程、无损检测等领域的复杂动力学问题提供了新思路。

LSD 加速分子动力学：3-9 倍速度提升

2025年6月，arXiv 报道了 LSD 加速分子动力学：推测采样实现 3-9 倍提速，通过推测采样策略将分子动力学模拟速度提升 3 至 9 倍。该方法在保持精度前提下大幅缩短计算时间，有望推动药物设计、材料科学中大规模原子级动力学模拟的实用化。

Boston Dynamics Atlas 从表演转向实际搬运

2025年7月，社交媒体上流传 Boston Dynamics Atlas 搬冰箱：人形机器人从表演走向干重活的视频，展示了 Atlas 人形机器人独立搬运冰箱的全过程。这标志着双足机器人动力学控制技术从实验室炫技步入重物搬运等实用场景，体现了机器人动力学在平衡、力矩分配上的突破。

当前焦点与观察点

当前动力学研究的焦点集中在两端：一是微观尺度的分子动力学加速，二是宏观机器人动力学实用化。PINN 方法则代表了将深度学习融入传统连续介质力学的趋势。共同挑战在于：如何在保证精度的前提下，将动力学模型应用于更复杂、更真实的系统？随着计算工具与算法的进步，动力学正从分析走向预测与控制，但其黑箱可解释性与泛化能力仍是待解难题。

§ 02相关报道09 条在档

§ 03邻近话题