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.
Die Studie stellt ein quantenreservoir-basiertes Framework vor, das mit maximal sechs Qubits zukünftige Handelsvolumen von 20 Quantenunternehmen prognostiziert und dabei eine Klassifizierungsgenauigkeit von über 86 % für Kursentwicklungen erreicht, was die Eignung kleiner Quantensysteme für komplexe Finanzzeitreihen auf aktueller Hardware demonstriert.
Die Autoren stellen ein allgemeines Framework für simulationsbasierte Inferenz vor, das mithilfe von faktorisierten Normalizing Flows und einer amortisierten Trainingsstrategie eine effiziente Profilierung systematischer Unsicherheiten bei der gleichzeitigen Messung multivariater Verteilungen in komplexen physikalischen Analysen ermöglicht.
Diese Arbeit stellt eine probabilistische, sequenzielle Bayes'sche Methode zur Zeitraffer-Full-Waveform-Inversion vor, die den Hamiltonian-Monte-Carlo-Algorithmus nutzt, um Baseline-Daten als Priorwissen einzubinden und trotz der hohen Dimensionalität des Problems zuverlässige Unsicherheitsquantifizierungen für die Überwachung von Änderungen im Erdinneren zu ermöglichen.
Die Studie zeigt, dass durch die Kombination von automatisierten Hochvolumen-Experimenten zur Untersuchung der unsteady Aerodynamik von Flügel-Böen-Interaktionen und einer datenreduzierenden Methode, die einen repräsentativen „Lehrbuch"-Datensatz identifiziert, maschinelle Lernmodelle mit deutlich weniger Trainingsdaten eine vergleichbare Vorhersagegenauigkeit wie Modelle mit um zwei Größenordnungen größeren zufälligen Datensätzen erreichen.
Die Studie untersucht die Korrelationsstruktur von Windkraftschwankungen in einem Windpark und zeigt auf, dass universelle, kollektive und nichtlineare Korrelationen die Persistenz und Intermittenz der aggregierten Leistung maßgeblich beeinflussen.
Die Arbeit leitet die stationären Verteilungen des erweiterten Chiarella-Modells für Finanzmärkte her und zeigt auf, unter welchen Bedingungen die Verteilungen von Fehlbewertungen und Trends unimodal oder bimodal sind, wobei sie bestehende Annahmen aus der Literatur korrigiert.
In dieser Arbeit wird eine Methode vorgestellt, mit der mithilfe von Differential Evolution und Modell-Synchronisation sowohl unbekannte Parameter als auch verborgene Zustände von Mean-Field-Modellen aus einer einzigen skalaren Beobachtungsreihe eines endlichen neuronalen Netzwerks präzise geschätzt werden können.
Die Autoren präsentieren eine einfache Methode zur Erzeugung multifraktaler Felder mit präzise steuerbaren Skalierungseigenschaften sowie ein entsprechendes Verfahren zur Analyse experimenteller Daten, wie etwa der Oberflächenstruktur einer frakturierten Metalllegierung.
Diese Studie analysiert ein Netzwerk von 3,7 Milliarden elektronischen Rechnungen aus dem brasilianischen Bundesstaat Ceará, um durch die Anwendung von Infomap-Algorithmen, der Analyse des komparativen Vorteils (RCA) und Maximum-Entropie-Modellen die wirtschaftliche Kohäsion und die strukturelle Dynamik zwischen Städten und Produkten zu untersuchen.
Die Arbeit zeigt auf, dass herkömmliche nicht-lineare Exponential Random Graphs (ERGs) zur Modellierung von Netzwerkstrukturen oft scheitern, und schlägt stattdessen eine „abgeschwächte“, fitness-induzierte Variante des Zwei-Sterne-Modells vor, die sowohl den Mittelwert als auch die Varianz der empirischen Gradverteilung innerhalb eines kanonischen Rahmens reproduzieren kann.