261 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.
Diese Arbeit demonstriert, wie neuronale Simulation-basierte Inferenz genutzt werden kann, um aus dem Raum der Energie-3-Punkt-Korrelatoren ein präzisionstheorie-kompatibles Observable zu optimieren, das sich als rechtwinklige Dreiecke mit dem Seitenverhältnis zur präzisen Bestimmung der Top-Quark-Masse eignet.
Diese Studie untersucht unerwartete Anomalien in CMS-Daten, die durch den OmniLearned-Foundation-Modell entdeckt wurden, und stellt fest, dass die Hintergrundschätzung im Signalbereich versagt, was zu einer Aufforderung an die wissenschaftliche Gemeinschaft führt, die Ereignisse und Methoden weiter zu überprüfen.
Diese Arbeit stellt einen neuartigen, likelihood-freien Rahmen vor, der Flow Matching und Simulation-Based Inference nutzt, um mithilfe des \textsc{\texttt{Odisseo}}-Codes die Parameter des GD-1-Progenitors und des galaktischen Potentials der Milchstraße gleichzeitig und vollständig bayesianisch abzuleiten.
Die Studie zeigt, dass kurzfristige Nachahmungsverhalten unter Fremden in belebten Bahnhöfen zu einer dominierenden, wellenartigen kollektiven Bewegung führt, die oft sogar längere Reisezeiten in Kauf nimmt und somit entscheidend für das Verständnis und Management von Fußgängerströmen ist.
Die vorgestellte Arbeit führt einen analytischen, trainingsfreien Vorhersageoperator für zyklostationäre Energieprozesse ein, der durch die Einbeziehung lokaler Korrelationen und zeitlicher Symmetrien die Genauigkeit klassischer Persistenzmodelle bei der Prognose von Solarstrahlung, Windgeschwindigkeit und Last über mehrere Stunden hinweg signifikant verbessert.
Das Papier stellt zwei maschinelle Lernansätze für das CYGNO-Experiment vor, nämlich einen unüberwachten Autoencoder zur effizienten Online-Datenreduktion und eine schwach überwachte CWoLa-Klassifizierung zur Identifizierung von Kernrückstoß-Ereignissen bei der Suche nach Dunkler Materie.
Diese Studie entwickelt und bewertet ein maschinelles Lern-Framework, das auf dem Warn-on-Forecast-System basiert und durch den Einsatz von Histogramm-Gradienten-Boosting-Bäumen sowie einem U-Net-Deep-Learning-Ansatz die Wahrscheinlichkeit schwerer Wetterphänomene für die nächsten 2 bis 6 Stunden präziser vorhersagt als herkömmliche Kalibrierungsmethoden.
Die Arbeit stellt NGCG vor, eine neural-symbolische Pipeline, die durch die Entkopplung des Dynamiklernens von der Invariantenentdeckung und den Einsatz strenger Filtermechanismen erstmals eine fehlerfreie und robuste Entdeckung von Erhaltungssätzen aus Daten ermöglicht, ohne dabei falsche Positive zu produzieren.
Die Arbeit stellt einen neuen Rahmen zur datengestützten Identifikation stochastischer Differentialgleichungen vor, der durch den Einsatz räumlicher Gaußscher Testfunktionen eine unverzerrte, sparse Rekonstruktion von Drift- und Diffusionsgeneratoren ermöglicht und dabei die strukturellen Verzerrungen herkömmlicher zeitbasierter Ansätze überwindet.
Der Artikel beschreibt die Konstruktion einer globalen -Funktion für die simultane Anpassung korrelierter, energieabhängiger Wirkungsquerschnitte, wobei sowohl Korrelationen zwischen verschiedenen Prozessen und Energiepunkten als auch Beiträge aus den Messungen der integrierten Luminosität und der Schwerpunktsenergie berücksichtigt werden.