252 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.
Dieser Artikel offenbart einen weitgehend systemspezifischen Potenzgesetz-Zusammenhang zwischen der Kopplungsstärke, die erforderlich ist, um extreme Ereignisse in vernetzten dynamischen Systemen auszulösen, und den topologischen oder spektralen Eigenschaften ihrer Kopplungsstrukturen.
Dieser Beitrag stellt den Topologischen Stabilitätsindex (TSI) vor, ein varianzbasiertes skalares Maß für Persistenzbarcodes, das die absolute Lebenszeitdispersion quantifiziert und entropiebasierte Zusammenfassungen ergänzt, indem es strukturelle Variabilität in stochastischen Fluktuationen erfasst, während es gegenüber deterministischen Trends unempfindlich bleibt.
Dieser Beitrag stellt einen Deep-Learning-Ansatz vor, der eine surrogate Informationsgewinnung (SIG) für die optimale Datenselektion bei der Detektion von Kernspins integriert und dabei eine signifikante Verkürzung der experimentellen Zeit (bis zu 85 %) bei gleichzeitiger Beibehaltung hoher Präzision und Robustheit gegenüber Unvollkommenheiten sowohl im Hochfeld- als auch im Niederfeldbereich erreicht.
Dieser Artikel schlägt eine informationstheoretische Methode zur Inferenz von Vorzeichen-Netzwerken des Gehirns aus multivariaten Zeitreihen vor, indem empirische Daten mit entropiebeschränkten Benchmarks verglichen werden, und zeigt, dass das Gehirn strukturelle Frustration aufweist, die primär von subkortikalen und limbischen Regionen getrieben wird, wobei die modulare Organisation mit der statistischen Variante der Relaxierten Balance-Theorie übereinstimmt.
Dieser Beitrag stellt eine deterministische „Ineffizienzmetrik" vor, die Principal Component Analysis auf sechs Jahre Hedera-Transaktionsdaten anwendet, um strukturelle Belastungen in dezentralen Netzwerken zu quantifizieren, indem topologische Schwankungen wie der effektive Durchmesser und die Closeness-Zentralität mit makroökonomischen Ereignissen und Ökosystemdynamiken verknüpft werden.
Dieser Beitrag stellt eine neuartige Herleitung der spektralen Dichte für korrelierte Zufallsmatrizen vor, die das Marchenko-Pastur-Gesetz und das elliptische Gesetz vereint und zeigt, dass hetero-assoziative Gedächtnisnetzwerke (äquivalent zu linearer Aufmerksamkeit) eine nicht-monotone Stabilität aufweisen, die von der Anzahl der gespeicherten Muster abhängt.
Diese Studie entwickelt eine genauere und numerisch stabilere Näherung des Universal Thermal Climate Index (UTCI) durch den Einsatz von spärlicher Regression mit orthogonalen Legendre-Polynomen, wodurch sowohl durchschnittliche als auch große Fehler im Vergleich zur Standardmethode mit Polynomen sechsten Grades erheblich reduziert werden, während die Recheneffizienz erhalten bleibt.
Dieser Beitrag klärt die Annahmen der Standard-Poisson-Kalibrierungsmethode für hochauflösende kryogene Detektoren unter Verwendung monoenergetischer Photonen, analysiert, wie realistische Detektorleistung diese Annahmen verletzt und damit zu Verzerrungen führt, und bewertet den spezifischen Einfluss von Detektorparametern auf die Kalibrierungsgenauigkeit.
Dieser Artikel stellt eine KI-gestützte, markierungsfreie Surface-enhanced Raman-Spektroskopie-(SERS-)Plattform vor, die eine schnelle und hochpräzise Identifizierung extrazellulärer Vesikel aus unterschiedlichen zellulären Ursprüngen in nicht-invasiven Tränen- und Schweißproben ermöglicht und somit ein vielversprechendes Werkzeug für die personalisierte Krankheitsdiagnostik bietet.
Dieser Beitrag leitet geschlossene Ausdrücke für Zielzustandsmomente in log-polaren Koordinaten ab, um einen rechnerisch effizienten CFE-UKF zu entwickeln, der die Sigma-Punkt-Propagation vermeidet, gleichzeitig jedoch höhere Ordnungsstatistiken nutzt, um Nicht-Gaußförmigkeit zu bewältigen und Schätzfehler der Reichweite während Manövern des eigenen Fahrzeugs zu kontrollieren.