🔬 Category

physics.data-an

257 Arbeiten

Die Kategorie Physik — Data-An widmet sich der Schnittstelle, an der moderne Datenwissenschaft die Grundlagen der Physik revolutioniert. Hier entstehen neue Erkenntnisse, indem riesige Datensätze aus Experimenten und Simulationen mit fortschrittlichen Algorithmen analysiert werden, um verborgene Muster im Universum zu entschlüsseln. Diese Arbeiten machen komplexe physikalische Phänomene durch datengetriebene Methoden besser verständlich und greifbar.

Auf Gist.Science durchlaufen wir jeden neuen Preprint aus arXiv in diesem Bereich systematisch. Wir bieten für jedes Werk sowohl eine zugängliche Zusammenfassung in einfacher Sprache als auch eine detaillierte technische Auswertung, damit Forscher und interessierte Laien gleichermaßen profitieren können. Unten finden Sie die neuesten Veröffentlichungen aus diesem dynamischen Forschungsfeld, direkt aus arXiv zusammengefasst.

An Attention-Based Stochastic Simulator for Multisite Extremes to Evaluate Nonstationary, Cascading Flood Risk

Die Studie stellt einen neuartigen, auf Aufmerksamkeitsmechanismen basierenden stochastischen Simulator vor, der durch die Kombination von Analogsuche und stochastischer Generierung kohärente Hochwasser-Szenarien für über 100 Standorte im Mississippi-Becken erzeugt, um nichtstationäre, kaskadierende Hochwasserrisiken im Zeitrahmen von Interannualität bis zu Jahrzehnten für die Versicherungsplanung zu bewerten.

Adam Nayak, Pierre Gentine, Upmanu Lall2026-04-16🔬 physics

The High W Challenge: Robust Neutrino Energy Estimators for LArTPCs

Diese Arbeit stellt einen neuen, auf der hadronischen Invariantenmasse basierenden Neutrinoenergieschätzer für Flüssig-Argon-Zeitprojektionskammern vor, der sich durch eine geringe Verzerrung und hohe Robustheit gegenüber Modellierungsunsicherheiten auszeichnet, jedoch eine etwas schlechtere Energieauflösung aufweist, und liefert damit eine fundierte Grundlage für die kombinierte Nutzung verschiedener Schätzer in zukünftigen Oszillationsanalysen.

Christopher Thorpe, Elena Gramellini2026-04-16⚛️ hep-ex

Physics-driven Comparative Analysis of Various Statistical Distance Metrics and Normalizing Functions

Diese Studie führt eine datengestützte, physikalisch motivierte vergleichende Analyse verschiedener statistischer Distanzmetriken und Normalisierungsfunktionen durch, indem sie Elektronen- und Photonenereignisse aus dem Zerfall des Isotops Krypton-83 verwendet, um die Stabilität eines dimensionslosen Parameters von Interesse unter verschiedenen Bedingungen zu untersuchen.

Nafis Fuad (Center for Exploration of Energy,Matter, Indiana University, Bloomington, IN 47405, USA)2026-04-16⚛️ nucl-ex

Cross-Domain Transfer with Particle Physics Foundation Models: From Jets to Neutrino Interactions

Die Studie zeigt, dass der auf Kollisionen bei hohen Energien vortrainierte OmniLearned-Foundation-Model erfolgreich auf Neutrino-Experimente im niedrigen Energiebereich übertragen werden kann und dabei sowohl bei der Energierückgewinnung als auch bei der Klassifizierung von Endzuständen überlegene Ergebnisse liefert, was auf die Existenz energiestufen- und detektorübergreifender induktiver Verzerrungen in Teilchenphysik-Modellen hindeutet.

Gregor Krzmanc, Vinicius Mikuni, Benjamin Nachman, Callum Wilkinson2026-04-15⚛️ hep-ex

Hierarchical Maximum Likelihood Estimation for Time-Resolved NMR Data

Die vorgestellte Arbeit entwickelt eine hierarchische Maximum-Likelihood-Methode zur präziseren und fehlerärmeren quantitativen Analyse von zeitaufgelösten NMR-Daten hyperpolarisierter Metaboliten, die sich durch eine intrinsische Unsicherheitsfortpflanzung und eine effiziente Optimierung im Vergleich zu herkömmlichen Zwei-Stufen-Verfahren auszeichnet.

Lennart H. Bosch, Pernille R. Jensen, Nico Striegler, Thomas Unden, Jochen Scharpf, Usman Qureshi, Philipp Neumann, Martin Gierse, John W. Blanchard, Stephan Knecht, Jochen Scheuer, Ilai Schwartz, Mar (…)2026-04-14🧬 q-bio

Graph-based Summary Statistics for Revealing the Stochastic Gravitational Wave Background in Pulsar Timing Arrays

Diese Arbeit stellt eine neuartige graphbasierte Methode vor, die Pulsar-Timing-Residuen nutzt, um den stochastischen Gravitationswellenhintergrund im Nano-Hertz-Bereich zu detektieren und zu charakterisieren, wobei sie auf realen und synthetischen Daten eine Nachweisgrenze von ASGWB≳1.2×10−15A_{\rm SGWB}\gtrsim 1.2\times 10^{-15} erreicht und bei Anwendung auf das NANOGrav-15-Jahres-Datensatz eine schwache Evidenz für ein solches Signal liefert.

M. Alakhras, S. M. S. Movahed2026-04-14🔭 astro-ph

Data-Driven Automated Identification of Optimal Feature-Representative Images in Infrared Thermography Using Statistical and Morphological Metrics

Diese Arbeit stellt eine datengetriebene Methode vor, die mithilfe statistischer und morphologischer Metriken wie des Homogenitätsindex, der repräsentativen Elementarfläche und der totalen Variationsenergie automatisch die aussagekräftigsten Bilder in Infrarotthermografie-Datensätzen identifiziert, um Defekte in Verbundwerkstoffen ohne vorherige Kenntnis ihrer Lage zu erkennen.

Harutyun Yagdjian, Martin Gurka2026-04-14🔬 physics.app-ph