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 stellt einen neuen, effizienten Ansatz für die Kurzzeitvorhersage der Solarstrahlung vor, der mithilfe von Extreme-Learning-Machine-Modellen auf die herkömmliche Normalisierung durch Clearsky-Modelle verzichtet und dabei die Genauigkeit sowie die Skalierbarkeit verbessert.
Diese Arbeit führt eine systematische Unsicherheitsanalyse für eine kugelförmige Magnetfeldkamera durch, bei der mittels Monte-Carlo-Simulationen der Einfluss von Sensorunsicherheiten wie Kalibrierungsfehlern und Positionsungenauigkeiten auf die Genauigkeit der mittels Sphärischer Harmonischer rekonstruierten Magnetfelder untersucht wird.
Diese Arbeit stellt einen robusten Rahmen vor, der auf dem stochastischen Variationskoeffizienten (sCV) und der Vorhersagbarkeit (F) basiert, um die Variabilität und Prognostizierbarkeit der Solarstrahlung präziser zu quantifizieren als traditionelle Metriken und so fundierte Entscheidungen für das Energiemanagement zu ermöglichen.
Diese Arbeit stellt ein hybrides Framework vor, das physikbasierte FSDT-Modelle mit maschinellem Lernen und Unsicherheitsquantifizierung kombiniert, um bei Composite-Platten eine präzise und dateneffiziente Lokalisierung von Aufprallereignissen sowie eine robuste Kraftschätzung zu ermöglichen.
Das Paper stellt Dara vor, ein automatisiertes Framework zur robusten Identifizierung und Verfeinerung mehrerer Phasen in Pulver-Röntgendiffraktogrammen durch eine datengesteuerte Baum-Suche und Rietveld-Verfeinerung, um manuelle Analysen zu erleichtern und die Zuverlässigkeit bei komplexen Mehrphasensystemen zu erhöhen.
Die Studie zeigt, dass passives seismisches Rauschen in Kombination mit maschinellem Lernen und topologischer Akustik eine zuverlässige, wetterunabhängige Methode zur Fernüberwachung von Wäldern bietet, indem sie charakteristische Wechselwirkungen zwischen Bäumen und seismischen Wellen erfasst.
Diese Studie nutzt die Fisher-Information, um nachzuweisen, dass die Parameterbestimmung in EC-dominierten Blazaren (FSRQs) aufgrund einer um Größenordnungen geringeren Informationsdichte im Vergleich zu SSC-Modellen (BL Lacs) fundamental eingeschränkt ist und daher zeitlich aufgelöste SED-Analysen für eine zuverlässige physikalische Charakterisierung unverzichtbar sind.
Diese Arbeit stellt einen alternativen, responsivitätsmatrixzentrierten Ansatz zur Darstellung von Wirkungsquerschnittsmessungen vor, der die Vorwärtsfaltung von Modellerwartungen ermöglicht und durch das neu entwickelte Python-Framework ReMU eine direkte, softwareunabhängige Vergleichbarkeit mit Daten unter Berücksichtigung von Detektoreffekten und systematischen Unsicherheiten bietet.
Diese Arbeit stellt eine Methode zur bayesschen Schätzung vor, die es ermöglicht, das Messfenster der synchrotronstrahlungsbasierten Mößbauer-Spektroskopie zu optimieren und so die Präzision der Bestimmung von Mößbauer-Zentrenverschiebungen im Vergleich zur herkömmlichen Lorentz-Funktion um mehr als das Dreifache zu verbessern.
Diese Arbeit stellt robuste Teststatistiken für Hypothesentests sowie einen Algorithmus zur Bestimmung eines konservativen Varianz-Inflationsfaktors für Modellparameter-Schätzungen und Anpassungstests vor, um den Umgang mit fehlenden Kovarianzinformationen in normalverteilten Datensätzen zu ermöglichen.