研究者用深度变分框架计算受限近晶液晶的稳定构型
该框架在修正的Landau–de Gennes模型内求解取向与位置序参量，通过暖启动惩罚恢复振荡的近晶层状结构，并预言了切向锚定球体中的人字形近晶C态。
AI解读：近晶液晶既有取向有序又有周期性的密度调制，这种高频调制让稳定构型的计算在复杂几何边界下一直很棘手。这项研究提出的深度变分框架（DVF）把耦合的取向和位置序参量放到规则参考域上表示，再用坐标映射把物理约束装进去，从而绕开直接在复杂网格上求解的困难。关键在于一个暖启动惩罚项，它专门对抗神经网络偏向光滑、非层状场的谱偏差，让网络能稳定恢复振荡的近晶态；与神经网络基线和有限差分松弛的对比显示，去掉这项惩罚就恢复不了层状结构，加上后数值上也更稳定。DVF在多种受限几何中重现了实验上已知的近晶A缺陷结构和层形貌，并预言在切向锚定球体内会出现人字形近晶C态。对做软物质模拟的研究者来说，这套方法提供了一个能覆盖实验相关几何和锚定条件的通用工具，不必为每种新边界重新设计算法；但它是在修正模型下的数值预测试验，预言近晶C态这类结果仍需实验验证。
arXiv预印本论文提出一个深度变分框架（DVF），用于在修正的Landau–de Gennes模型下计算受限近晶液晶的稳定构型。该方法通过暖启动惩罚策略恢复了振荡的近晶层状态，并在多种受限几何中重现了实验已知的近晶A缺陷结构，此外还预言了切向锚定球体中的类人字形近晶C态。
方法创新
论文将耦合的取向和位置序参量表示在规则参考域上，并通过坐标映射处理物理约束边界。针对神经网络倾向于生成光滑、非层状场的谱偏差，研究引入暖启动惩罚，以稳定恢复近晶层状状态。与神经网络基线和有限差分松弛方法的对比表明，该惩罚项对层状状态恢复至关重要，同时增强了数值稳定性。
结果验证与预言
DVF在不同受限几何和锚定条件下重现了实验建立的近晶A缺陷结构和层形貌，验证了其适用性。研究还预言，在切向锚定球体中会出现类似人字形的近晶C态。该结果为计算实验相关受限条件和锚定条件下的稳定近晶构型提供了新工具。