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 entwickelt eine statistische Theorie, die zeigt, wie die Abklinggeschwindigkeit eines effektiven Lernraten-Umhüllenden und schweres Gradientenrauschen den maximalen zeitlichen Horizont bestimmen, über den Gated Recurrent Neural Networks bei endlicher Stichprobengröße lernfähig sind.
Diese Studie analysiert die Helligkeitsveränderungen des Kometen 17P/Holmes von 1892 bis 2021, um die Größenverteilung und Gesamtmasse der bei Ausbrüchen freigesetzten porösen Agglomerate zu quantifizieren und damit physikalisch fundierte Ausgangsbedingungen für die Modellierung von Staubspuren und Meteorströmen zu liefern.
Die Studie stellt eine hochauflösende, nicht-invasive Methode vor, die mithilfe von gestapelten Lichtblättern und einem neuronalen Autoencoder mit isometrischen Straftermen die dreidimensionale Form transparenter, verformbarer dünner Schichten in Strömungen präzise rekonstruiert.
Diese Studie stellt ein bayesianisches Protokoll vor, das durch Kombination von Template-Matching und probabilistischer Evidenzbewertung die Identifizierung von Neutronenquellen aus gemessenen Spektren mit hoher statistischer Signifikanz ermöglicht.
Die Studie stellt ein optimiertes Protokoll vor, das mithilfe von künstlichen neuronalen Netzen und der Analyse von Frakturmuster-Merkmalen den in getrockneten Stärkeschlämmen verwendeten Lösungsmitteltyp selbst nach vollständiger Verdunstung mit einer durchschnittlichen Genauigkeit von 96 % identifiziert.
Die Arbeit stellt \texttt{py5vec} vor, ein modulares Python-Paket zur Implementierung und Erweiterung der 5-Vektor-Methode für die Suche nach kontinuierlichen Gravitationswellen, das durch eine robuste Student-t-Wahrscheinlichkeitsfunktion, eine Bayesianische Parameterschätzung und eine erfolgreiche Validierung mit LIGO-Daten neue Möglichkeiten für gezielte Pulsarsuchen eröffnet.
Diese Studie stellt erstmals Wavelet-Statistiken (WST und WPH) für CMB- und schwache Gravitationslinsen-Forecasts vor, wobei sie zeigt, dass die WST mit dem klassischen Leistungsspektrum vergleichbare Ergebnisse liefert, die WPH jedoch bei der Kreuzkorrelation mit Galaxien-Linsendaten von Euclid DR2 deutlich überlegen ist, was durch eine neuartige, lernbasierte Binning-Methode optimiert wird.
Die Autoren stellen ein robustes, auf einem 1D-CNN basierendes Deep-Learning-Framework vor, das die Echtzeitanalyse von ODMR-Spektren von Stickstoff-Fehlstellen-Zentren in Diamant ermöglicht und dabei herkömmliche nichtlineare Anpassungsverfahren in Bezug auf Geschwindigkeit, Genauigkeit und Robustheit, insbesondere bei niedrigem Signal-Rausch-Verhältnis, übertrifft.
Diese Arbeit fasst die jüngsten Fortschritte bei der Identifizierung hadronischer Endzustände im ATLAS-Experiment zusammen, wobei künstliche Intelligenz-Algorithmen wie Graph-Neuronale Netze und Transformer-Architekturen zur Klassifizierung von Jets und zur Unterscheidung von Quark-, Gluon- sowie schweren Teilchenzerfällen eingesetzt werden.
Die vorgestellte Arbeit führt den Begriff der zufällig modulierten Gauß-Prozesse als einheitliches Rahmenwerk ein, das die Modellierung, Analyse und Klassifizierung anomaler Diffusion in heterogenen Medien ermöglicht und dabei Korrelationen in den Verschiebungen sowie deren Amplitudenfluktuationen integriert.