316 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 vorgestellte Arbeit entwickelt zwei halb-empirische Zweikomponenten-Modelle für das Wanddruckspektrum bei hohen Reynoldszahlen, die durch die Überlagerung innerer und äußerer Skalen die bei herkömmlichen Modellen versagende Vorhersage des Niederfrequenzverhaltens und der Varianz in turbulenten Grenzschichten, Rohren und Kanälen erfolgreich korrigieren.
Die Autoren stellen eine rigorose bayessche Methode für die MINFLUX-Lokalisationsmikroskopie vor, die durch optimierte Abtastmuster die für eine 1-nm-Auflösung benötigte Photonenzahl im Vergleich zu heuristischen Ansätzen um den Faktor vier reduziert.
Die Studie entwickelt ein optimales Steuerungsmodell, das als reduzierte untere Effizienzgrenze dient, um die Flugleistungen von Seevögeln wie dem Wanderalbatros, der Sturmschwalbe und dem Austernfischer im Hinblick auf ihre Nutzung des Windes für den dynamischen Segelflug zu vergleichen und zu bewerten.
Die Arbeit stellt den ersten Benchmark-Datensatz für schwache Gravitationslinseneffekte mit realistischen Systematiken vor und initiiert die „FAIR Universe Weak Lensing ML Uncertainty Challenge", um Methoden zur Bewältigung von Unsicherheiten und Verteilungsverschiebungen bei begrenzten Trainingsdaten zu entwickeln und so den Einsatz von maschinellem Lernen in der Präzisionskosmologie voranzutreiben.
Diese Studie stellt ein Proof-of-Concept-System vor, das Large Language Models nutzt, um aus HEP-Publikationen Analyseverfahren zu extrahieren und ausführbaren Code zur Reproduktion von Ergebnissen zu generieren, wobei erste Tests mit ATLAS-Open-Data vielversprechende, aber noch nicht vollständig autonome Fähigkeiten zeigen.
Die Arbeit stellt NOMAI vor, einen in Echtzeit arbeitenden maschinellen Lernklassifikator innerhalb des Fink-Brokers, der mithilfe von photometrischen Daten des ZTF-Surveys und ohne spektroskopische Rotverschiebung Superluminöse Supernovae identifiziert und dabei eine hohe Trefferquote bei der Entdeckung dieser seltenen astrophysikalischen Ereignisse demonstriert.
Diese Arbeit nutzt den funktionellen Renormierungsgruppen-Ansatz, um eine neue Methode zur Signalerkennung in hochdimensionalen Daten mit nahezu kontinuierlichen Spektren zu entwickeln, die durch eine „dimensionale Phasenübergangs"-Analyse Signale bereits unterhalb der klassischen BBP-Schwelle detektieren kann, indem sie subtile Deformationen der spektralen Dichte und Abweichungen von der Porter-Thomas-Verteilung identifiziert.
Die Studie stellt einen neuartigen, auf Aufmerksamkeitsmechanismen basierenden stochastischen Simulator vor, der durch die Kombination von Analogsuche und stochastischer Generierung kohärente Hochwasser-Szenarien für über 100 Standorte im Mississippi-Becken erzeugt, um nichtstationäre, kaskadierende Hochwasserrisiken im Zeitrahmen von Interannualität bis zu Jahrzehnten für die Versicherungsplanung zu bewerten.
Diese Arbeit stellt den öffentlichen Code GWDALI 1.0 vor und zeigt, dass die Derivative Approximation for Likelihoods (DALI) im Vergleich zu traditionellen MCMC-Methoden eine deutlich schnellere und dennoch präzise Posterior-Inferenz für Gravitationswellenereignisse ermöglicht.
Diese Arbeit stellt einen neuen, auf der hadronischen Invariantenmasse basierenden Neutrinoenergieschätzer für Flüssig-Argon-Zeitprojektionskammern vor, der sich durch eine geringe Verzerrung und hohe Robustheit gegenüber Modellierungsunsicherheiten auszeichnet, jedoch eine etwas schlechtere Energieauflösung aufweist, und liefert damit eine fundierte Grundlage für die kombinierte Nutzung verschiedener Schätzer in zukünftigen Oszillationsanalysen.