327 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 mit QUnfold ein neuartiges, auf Optimierung basierendes Framework für die Entfaltung von Detektordaten in der Hochenergiephysik vor, das eine QUBO-Repräsentation nutzt, um sowohl klassische als auch quantenannealing-basierte Lösungsverfahren zu ermöglichen und dabei eine wettbewerbsfähige Genauigkeit im Vergleich zu etablierten Methoden erreicht.
Die Studie stellt eine neue Methode namens DE-AC vor, die durch die Analyse der Autokorrelation den dominanten Eigenwert schätzt und damit das bevorstehende Einsetzen von Periodenverdopplungs-Bifurkationen, insbesondere bei Herzrhythmusstörungen, zuverlässiger und sensitiver vorhersagt als herkömmliche Frühwarnindikatoren.
Diese Studie stellt TRec vor, ein physikbasiertes Framework zur zerstörungsfreien Überwachung versiegelter Mikroreaktorkerne mittels Myonenstreuung, das durch die Integration von Impulsmessungen und Bayesscher Aktualisierung die Detektierbarkeit fehlender Brennelemente im Vergleich zu herkömmlichen Methoden erheblich steigert.
Diese Arbeit stellt ein Tutorial vor, das eine zweistufige Bayes'sche Methode zur Unsicherheitsquantifizierung und zur Generierung mehrerer konsistenter Hugoniot-Kurven aus linearen Stoßwellendaten beschreibt, wobei die Vorgehensweise anhand von Argon-, Kupfer- und Nickel-Daten demonstriert und als interpretierbare, recheneffiziente und robuste Alternative zu Bootstrapping-Verfahren bewertet wird.
Die Arbeit stellt Noise2Ghost vor, eine selbstüberwachte, tiefenlernbasierte Methode zur Rekonstruktion von Ghost-Imaging-Daten, die ohne saubere Referenzdaten auskommt und durch hervorragende Rauschunterdrückung besonders für rauschbehaftete Aufnahmen in Low-Light-Szenarien wie der Röntgenfluoreszenzanalyse geeignet ist.
Die Studie stellt ein physik-embeddedes bayessches neuronales Netzwerk (PE-BNN) vor, das durch die Integration kernphysikalischer Vorwissen und eine Optimierung mittels WAIC die energieabhängigen Spaltprodukt-Ausbeuten mit feinen Strukturen präzise vorhersagt.
Die Studie stellt SKANODEs vor, ein Framework, das Kolmogorov-Arnold-Netzwerke in Neural ODEs integriert, um aus Beschleunigungsdaten physikalisch interpretierbare latente Zustände zu rekonstruieren und präzise, symbolische Gleichungen für nichtlineare dynamische Systeme zu entdecken.
Die Studie widerlegt die langjährige Annahme, dass Rotationsbeschleunigung die Hauptursache für Gehirnerschütterungen ist, und zeigt stattdessen, dass lineare Beschleunigung ein präziserer Prädiktor für Verletzungen ist, was zur Entwicklung einer neuen flüssigkeitsbasierten Helmschutztechnologie führt, die das Risiko um bis zu 73 % senken kann.
Die Studie stellt einen neuen globalen Datensatz vor, der die Siedlungsstruktur durch die Bestimmung kritischer Distanzen charakterisiert, bei denen isolierte Siedlungen zu einem zusammenhängenden Cluster verschmelzen, und bietet damit ein unabhängiges Maß für die Siedlungskonnektivität für Forschungsbereiche wie Stadtgeographie und Landschaftsökologie.
Dieser Beitrag stellt ein praktisches Rahmenwerk zur Extremwertanalyse endlicher, multivariater und korrelierter Systeme vor, das durch eine Rotation in die Eigenbasis der Korrelationsmatrix und die Anwendung des Peaks-over-Threshold-Ansatzes unter Berücksichtigung von Nichtstationarität die Risikoschätzung im Finanzsektor und darüber hinaus ermöglicht.