深度学习教会了人们一种新的和计算机打交道的方式：将一些可微分的计算单元组合形成一段程序，再通过梯度优化的方法调整程序参数，使其达成期望的目标。这就是微分编程的思想。深度学习技术的快速发展为微分编程提供了趁手的工具，也计算物理开辟了一番新天地。文章介绍微分编程的基本概念，并举例说明它在建模、优化、控制、反向设计等物理问题中的应用。

神经网络量子态是由人工神经网络所表示的量子态。得益于机器学习，尤其是深度学习近年来取得的突破性进展，神经网络量子态的研究得到了广泛的关注，成为当前的热点前沿方向。文章将介绍不同的神经网络量子态，其物理性质与典型应用场景，最新进展，以及面临的挑战。

基于张量网络的数值重正化群方法，被广泛地应用到物理学的研究中，已经成为量子多体计算方法大家庭的重要一员。近年来，基于神经网络的机器学习方法也逐渐渗透到物理学领域，并被成功应用在量子多体等问题的研究中。文章简要综述了近年来张量网络和神经网络在凝聚态物理和统计物理学的应用，并讨论了两者的相互交叉和结合。

大力发展可再生能源并实现清洁能源变革，是当今能源领域的大趋势。随着可再生能源越来越多地接入电网，将对直流输电和大规模储能技术提出愈加迫切的需求。在此背景下，超导直流输电技术、超导直流限流器以及基于超导电性的电力储能技术等具有潜在的应用前景。文章较为系统地介绍上述直流超导电力装置的原理、优势以及近些年国内外的进展等。

高温高密核物质相结构是核物理研究领域的热点和前沿。量子色动力学(QCD)相变临界点的实验确认将是探索核物质相结构的里程碑，具有重要科学意义。为了在这一具有潜在重大发现的研究方向上占据领先地位、取得突破，各国纷纷建造大型加速器以及粒子探测器，开展重离子碰撞实验，其主要目标就是从实验上探索高温高密核物质相结构、寻找QCD相变临界点。文章总结了近年来相对论重离子碰撞中核物质相结构及QCD临界点的实验研究进展，并对未来探索高重子密度区核物质相结构、寻找QCD临界点的重要实验装置做了展望。

液氦减压制冷系统是目前广泛使用的1—4 K制冷装置。文章首先简要分析了液氦减压制冷系统的现状、原理，而后进一步说明各个组成部分的原理、设计和使用时应考虑的内容，并详细描述了液氦制冷系统的关键部件——流阻的现状及发展前景，最后列举了使用中常见的问题及其预防和处理方法。