🔬 Category

physics.data-an

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.

Time delay embeddings to characterize the timbre of musical instruments using Topological Data Analysis: a study on synthetic and real data

Diese Studie zeigt, dass die Anwendung der topologischen Datenanalyse auf Zeitverzögerungseinbettungen von Audiosignalen, insbesondere unter Verwendung von Verzögerungen im Zusammenhang mit Bruchteilen der Grundperiode, die musikalische Klangfarbe effektiv charakterisiert, indem sie harmonische Strukturen offenlegt und zwischen Instrumenten sowohl in synthetischen als auch in realen Daten unterscheidet.

Gakusei Sato, Hiroya Nakao, Riccardo Muolo2026-02-05🌀 nlin

Automated Extraction of Multicomponent Alloy Data Using Large Language Models for Sustainable Design

Dieses Paper präsentiert eine LLM-basierte Pipeline, die präzise Daten zu mehrkomponentigen Legierungen aus Texten und Tabellen extrahiert, um die größte öffentlich verfügbare Datenbank ihrer Art zu erstellen, was ein nachhaltiges Materialdesign durch die Identifizierung von Hochleistungslegierungs-Kandidaten für Leichtbau, weichmagnetische Anwendungen und korrosionsbeständige Anwendungen ermöglicht.

Aravindan Kamatchi Sundaram, Mohit Chakraborty, Sai Mani Kumar Devathi, B. Pabitramohan Prusty, Rohit Batra2026-02-05🔬 cond-mat.mtrl-sci

Link Statistics of Dislocation Network during Strain Hardening

Durch die Analyse von diskreten Versetzungsdynamik-Simulationen von fcc-Cu zeigt diese Studie auf, dass die Versetzungslink-Längen auf aktiven Gleitsystemen aufgrund von spannungsinduziertem Ausbeulen einer Doppel-Exponentialverteilung folgen, während inaktive Systeme eine Einzel-Exponentialverteilung aufweisen, eine Unterscheidung, die durch die Modellierung des Netzwerks als ein-dimensionaler Poisson-Prozess mit superlinearen Wachstumsraten für lange Links erklärt wird.

Sh. Akhondzadeh, Hanfeng Zhai, Wurong Jian, Ryan B. Sills, Nicolas Bertin, Wei Cai2026-02-03🔬 cond-mat.mtrl-sci

Functional Information in Quantum Darwinism: An Operational Measure of Objectivity

Dieses Paper schlägt ein funktionales Informationsframework vor, um klassische Objektivität im Rahmen des Quantum Darwinism zu quantifizieren, indem es die Abundanz von Umweltfragmenten misst, die Pointer-Informationen redundant kodieren, wodurch thermodynamische Constraints offenbart werden, bei denen jedes zusätzliche Bit an Objektivität die erforderliche minimale Wärmeabfuhr zur Stabilisierung eines Datensatzes verdoppelt.

Arda Batin Tank2026-02-03⚛️ quant-ph

Quantitative mobile gamma-ray spectrometry through Bayesian inference

Diese Arbeit präsentiert ein neuartiges Framework, das hochpräzise Monte-Carlo-Simulationen mit Bayesscher Inferenz kombiniert, um eine schnelle, hochgenaue Quantifizierung mobiler Gammastrahlenquellen zu erreichen, was die Fähigkeiten in der radiologischen Sicherheit, der geophysikalischen Kartierung und der Weltraumexploration signifikant vorantreibt.

David Breitenmoser, Alberto Stabilini, Malgorzata Magdalena Kasprzak, Sabine Mayer2026-02-03🔬 physics.app-ph

Multimodal Machine Learning for Integrating Heterogeneous Analytical Systems

Diese Arbeit präsentiert ein interpretierbares multimodales maschinelles Lernframework, das heterogene analytische Daten aus REM, Raman, Gasadsorption und elektrischen Messungen integriert, um Kohlenstoffnanoröhren-Filme zu charakterisieren, und zeigt auf, dass nichtlineare Modelle wie XGBoost Materialeigenschaften genau vorhersagen können, während sie gleichzeitig physikalisch bedeutsame Einblicke in die zugrunde liegenden Struktur-Eigenschafts-Beziehungen liefern.

Shun Muroga, Hideaki Nakajima, Taiyo Shimizu, Kazufumi Kobashi, Kenji Hata2026-02-03🔬 cond-mat.mtrl-sci

Phase Transitions in Unsupervised Feature Selection

Diese Arbeit präsentiert eine theoretische Analyse, die zeigt, dass die unüberwachte Merkmalsselektion für Proteine mittels differentieller Informationsimbalance einen Phasenübergang zwischen glasartigen und flüssigkeitsartigen Zuständen offenbart, wobei die kritische Anzahl physikochemischer Merkmale mit der Sättigung der nachgeschalteten Klassifizierungsleistung zusammenfällt und somit ein fundiertes Kriterium für die Identifizierung minimaler Merkmalsmengen bietet.

Jonathan Fiorentino, Michele Monti, Dimitrios Miltiadis-Vrachnos, Vittorio Del Tatto, Alessandro Laio, Gian Gaetano Tartaglia2026-02-03🧬 q-bio

SPARKX: A Software Package for Analyzing Relativistic Kinematics in Collision Experiments

Dieses Paper stellt SPARKX vor, ein Open-Source-Python-Paket, das darauf ausgelegt ist, die Analyse relativistischer Kinematik in Schwerionenkollisionsexperimenten durch Bereitstellung eines umfassenden Multi-Format-Toolkits, das mit bedeutenden Simulationsframeworks wie SMASH und JETSCAPE integriert ist, zu optimieren und zu verbessern.

Nils Sass, Hendrik Roch, Niklas Götz, Renata Krupczak, Carl B. Rosenkvist2026-02-02⚛️ hep-ph

Leveraging Interactions for Efficient Swarm-Based Brownian Computing

Diese Arbeit zeigt, dass kurzreichweitige attraktive Wechselwirkungen zwischen thermisch getriebenen Brownschen Quasiteilchen durch emergentes kooperatives Verhalten eine energieeffiziente, skalierbare und robuste Optimierung ermöglichen und dabei nicht-interagierende Sucher sowohl in statischen als auch in dynamischen räumlichen Landschaften übertreffen.

Alessandro Pignedoli, Atreya Majumdar, Karin Everschor-Sitte2026-02-02🌀 nlin