323 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 stellt einen algebraischen Ansatz zur Gammastrahlenspektroskopie vor, bei dem Zerfallsschemata als Quiver modelliert und durch die Einführung eines Coincidence-Algebra-Bündels erweitert werden, um die Wahrscheinlichkeiten von Koinzidenzen auch für nicht direkt verknüpfte Übergänge zu berechnen.
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.
Diese Arbeit untersucht die Zeitentwicklung der Überlebenswahrscheinlichkeit einer delta-artigen Anregung in Erdős-Rényi-Netzwerken und zeigt, dass der Abklingprozess durch die Korrelationsdimension der Eigenzustände bestimmt wird, die multifraktale Eigenschaften aufweisen, während die relative Tiefe des Korrelationslochs vom durchschnittlichen Grad der Netzwerke abhängt.
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 einen neuartigen, trainingsfreien Algorithmus vor, der auf Graphentheorie basiert, um Detonationszellen aus 3D-Druckdaten präzise zu segmentieren und zu vermessen, wodurch die Grenzen manueller und einfacher 2D-Methoden überwunden und eine robuste Grundlage für zukünftige Analysen komplexer Zellenmuster geschaffen wird.
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 Arbeit stellt das Framework „Chain of Symbolic Regression" (CoSR) vor, das die Entdeckung physikalischer Gesetze durch einen progressiven, hierarchischen Ansatz modelliert, um aus Daten präzise und physikalisch sinnvolle mathematische Ausdrücke zu extrahieren und dabei klassische Skalierungstheorien zu verbessern sowie neue Erkenntnisse in komplexen Ingenieurproblemen zu gewinnen.
Die Arbeit entwickelt ein dynamisches Mittelwertfeld-Framework, um die Konvergenz und Optimalität von Ising-Maschinen für das Sherrington-Kirkpatrick-Modell zu analysieren, indem sie konstante Zeitkomplexität nachweist und optimierte Temperatur-Annealing-Strategien vorschlägt, die zu nachweislich nahezu optimalen Lösungen führen.
Diese Arbeit untersucht die Anwendung der dynamischen Modenzerlegung (DMD) auf die experimentale Modalanalyse linearer mechanischer Systeme, zeigt deren Genauigkeit bei geringen Messfehlern und bestätigt ihre Leistungsfähigkeit durch den Vergleich mit etablierten Methoden an einem experimentellen Balken.