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.
Diese Studie führt eine datengestützte, physikalisch motivierte vergleichende Analyse verschiedener statistischer Distanzmetriken und Normalisierungsfunktionen durch, indem sie Elektronen- und Photonenereignisse aus dem Zerfall des Isotops Krypton-83 verwendet, um die Stabilität eines dimensionslosen Parameters von Interesse unter verschiedenen Bedingungen zu untersuchen.
Die Studie zeigt, dass multiplikatives Rauschen am Membranpotential die Leistung von Spiking Neural Networks am stärksten beeinträchtigt, während eine Sigmoid-basierte Eingangsfilterung die Robustheit verbessert und additives Rauschen im Eingangsstrom zur dominierenden Fehlerquelle wird.
Diese Arbeit stellt eine exakte-approximative Markov-Ketten-Monte-Carlo-Methode vor, die trotz verrauschter Simulationen exakte Schlussfolgerungen in der Teilchenphysik ermöglicht, indem sie einen unverzerrten Schätzer für die Poisson-Wahrscheinlichkeitsverteilung nutzt.
Die Studie zeigt, dass der auf Kollisionen bei hohen Energien vortrainierte OmniLearned-Foundation-Model erfolgreich auf Neutrino-Experimente im niedrigen Energiebereich übertragen werden kann und dabei sowohl bei der Energierückgewinnung als auch bei der Klassifizierung von Endzuständen überlegene Ergebnisse liefert, was auf die Existenz energiestufen- und detektorübergreifender induktiver Verzerrungen in Teilchenphysik-Modellen hindeutet.
In dieser Arbeit demonstrieren die Autoren, dass simulationbasierte Inferenz die zuverlässige Extraktion physikalischer Parameter aus den spektralen Eigenschaften analoger Schwarzer Löcher unter realistischen Bedingungen mit breitbandigem stochastischem Rauschen ermöglicht.
In dieser Arbeit wird experimentell demonstriert, wie ein dreiqubitiger Quantenprozessor auf Basis von Festkörperspins in Diamant mithilfe von Quantenmaschinenlernen Anomalien in Quantenzuständen, die Audiodaten kodieren, mit einer minimalen Fehlerrate von 15,4 % erkennt.
Diese Studie nutzt US-Volkszählungsdaten, um zu zeigen, wie Elternschaft und Ehe die städtische Mobilität unterschiedlich prägen und warum Städte je nach Haushaltszusammensetzung verschiedene Lebensqualität bieten, was eine Anpassung der Stadtplanung an diverse demografische Bedürfnisse erfordert.
Die vorgestellte Arbeit entwickelt eine hierarchische Maximum-Likelihood-Methode zur präziseren und fehlerärmeren quantitativen Analyse von zeitaufgelösten NMR-Daten hyperpolarisierter Metaboliten, die sich durch eine intrinsische Unsicherheitsfortpflanzung und eine effiziente Optimierung im Vergleich zu herkömmlichen Zwei-Stufen-Verfahren auszeichnet.
Diese Arbeit stellt eine neuartige graphbasierte Methode vor, die Pulsar-Timing-Residuen nutzt, um den stochastischen Gravitationswellenhintergrund im Nano-Hertz-Bereich zu detektieren und zu charakterisieren, wobei sie auf realen und synthetischen Daten eine Nachweisgrenze von erreicht und bei Anwendung auf das NANOGrav-15-Jahres-Datensatz eine schwache Evidenz für ein solches Signal liefert.
Diese Arbeit stellt einen optimierten Workflow vor, der mithilfe von Methoden der nichtlinearen Dynamik multistabile Zustände in hochdimensionalen Klimadaten identifiziert, die besten unterscheidenden Beobachtungsgrößen ermittelt und ein neues Maß namens „Intermingledness" einführt, um die Ähnlichkeiten und Unterschiede zwischen alternativen Zuständen sowie ihren Anziehungsbereichen zu quantifizieren.