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 Studie nutzt Visualisierungs- und Sonifikationsmethoden, um anhand von Multifrequenzdaten die Variabilität ausgewählter Blazare zu analysieren und dabei sowohl wissenschaftliche Erkenntnisse zu gewinnen als auch die Inklusion in der Wissenschaftskommunikation zu fördern.
Diese Arbeit stellt eine vollständig datengetriebene Methode namens „strukturierte generalisierte geschnittene Wasserstein-Distanz" vor, die mithilfe von neuronalen Netzen mit zufälligen Gewichten die Polarisation von keV-Röntgenstrahlen direkt aus zweidimensionalen Gas-Pixel-Detektor-Bildern analysiert und dabei sowohl verschiedene Einfallswinkel als auch Polarisationsrichtungen effektiv unterscheidet.
Die Studie identifiziert den Übergang der Eigenwertstatistik von Überlappungsmatrizen von einem Wigner-Halbkreis-Gesetz zu einer Gauß-Verteilung, die durch Tsallis-Statistik mit einem entropischen Index beschrieben wird, der sich von $-1$ bei hohen Temperaturen bis am kritischen Punkt der Edwards-Anderson-Spinalglas-Phase entwickelt, und schlägt diese spektrale Methode als effizientes Werkzeug zur Charakterisierung von Kritikalität in ungeordneten Systemen vor.
Die Arbeit stellt „O-Sensing" vor, ein Protokoll, das mittels sparsamkeitsgetriebener Optimierung und Maximierung der spektralen Entropie aus wenigen niedrig liegenden Eigenzuständen den Hamilton-Operator, die Wechselwirkungsgeometrie und Symmetrien eines Quanten-Vielteilchensystems rekonstruiert, ohne dass die Kopplungsstruktur im Voraus bekannt ist.
Diese Arbeit stellt einen neuartigen Ensemble-Kalman-Filter-Ansatz vor, der durch eine lokale Approximation der Analyse-Wahrscheinlichkeitsdichtefunktion mittels variationeller Bayes-Optimierung auf natürliche Weise lokalisiert wird und damit den Bedarf an manuell abgestimmten, ad-hoc-Lokalisierungstechniken eliminiert, während er gleichzeitig eine Genauigkeit und einen Rechenaufwand erreicht, die mit etablierten, lokalisierten EnKF- und ETKF-Methoden vergleichbar sind.
Die Autoren analysieren die Diskrepanz zwischen zeitkontinuierlichen Modellen und zeitdiskreten Mess-Rückkopplungs-Architekturen bei Ising-Maschinen, die zu einer erhöhten Hyperparameter-Empfindlichkeit führt, und stellen eine experimentell validierte Methode vor, um diese Empfindlichkeit zu verringern.
Die Arbeit argumentiert, dass absolute Abstraktion in neuronalen Netzen nicht allein durch Tiefe, sondern entscheidend durch die Breite des Trainingsdatensatzes erreicht wird, was durch eine Renormierungsgruppen-Analyse und numerische Experimente mit Hierarchical Feature Models bestätigt wird.
Die vorgestellte Studie entwickelt einen auf der Dempster-Shafer-Evidenztheorie basierenden Rahmen, der die Topologie komplexer Netzwerke direkt aus Zeitreihen mit hoher Genauigkeit und Robustheit rekonstruiert und sich sowohl für synthetische Modelle als auch für reale Datensätze bewährt.
Dieser Artikel erörtert Verfahren zur Datenentfaltung in der Teilchen- und Kernphysik sowie verwandten Bereichen, wobei der Schwerpunkt auf der Entwicklung interner Kriterien zur Qualitätsbewertung der rekonstruierten Verteilungen liegt, wenn externe Vergleichsdaten nicht verfügbar sind.
Die Studie zeigt, dass die Analyse der Steigung des deterministischen Terms einer Langevin-Gleichung eine robustere und quantitativere Methode zur Bestimmung der Resilienz und des Risiko von Regimewechseln unter stark korreliertem Rauschen darstellt als herkömmliche Frühwarnindikatoren wie Autokorrelation oder Standardabweichung.