physics.data-an 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.

Data-Driven Automated Identification of Optimal Feature-Representative Images in Infrared Thermography Using Statistical and Morphological Metrics

Diese Arbeit stellt eine datengetriebene Methode vor, die mithilfe statistischer und morphologischer Metriken wie des Homogenitätsindex, der repräsentativen Elementarfläche und der totalen Variationsenergie automatisch die aussagekräftigsten Bilder in Infrarotthermografie-Datensätzen identifiziert, um Defekte in Verbundwerkstoffen ohne vorherige Kenntnis ihrer Lage zu erkennen.

Harutyun Yagdjian, Martin Gurka2026-04-14🔬 physics.app-ph

Blume-Capel model: Estimation of a three stable state network for $-\bf 1$ , $\bf 0$ and $\bf +1$ data

Die vorgestellte Arbeit erweitert das Ising-Modell zum Blume-Capel-Modell, um Netzwerke mit drei stabilen Zuständen (-1, 0, +1) zu schätzen, und demonstriert die Wirksamkeit einer Kombination aus Pseudo-Likelihood und Lasso zur Parameterschätzung sowie zur Konstruktion von Konfidenzintervallen anhand von Daten der Plattform Stemwijzer.

Lourens Waldorp, Jonas Dalege, Maarten Marsman, Adam Finnemann, Irene Ferri, Han L. J. van der Maas2026-04-14📊 stat

Vestibular reservoir computing

Diese Arbeit stellt ein physikalisches Reservoir-Computing-Verfahren vor, das vom vestibulären System inspiriert ist und durch eine entkoppelte Topologie die Hardware-Komplexität reduziert, während es dank theoretisch hergeleiteter Äquivalenzbedingungen eine Leistung erreicht, die mit vollständig gekoppelten Netzwerken vergleichbar ist.

Smita Deb, Shirin Panahi, Mulugeta Haile, Ying-Cheng Lai2026-04-14🌀 nlin

Optimal Null-Constrained Source-Basis Sensing in a Time-Reversed Young Interferometer

Die Arbeit entwickelt eine allgemeine Theorie für die optimale Null-Constraint-Schätzung in einem zeitumgekehrten Young-Interferometer, die zeigt, wie durch inverse-Rausch-gewichtete Quellkodierung eine echte metrologische Null erreicht wird, wobei die lokale Fisher-Information nur um den Faktor $1-\chi^2$ reduziert wird.

Jianming Wen2026-04-14🔬 physics.optics

Surface correlation functions of dead-leave models

Diese Arbeit leitet exakte analytische Ausdrücke für die Oberflächenkorrelationsfunktionen der allgemeinen Klasse von Dead-Leaf-Modellen ab, die für beliebige Kornformen und Dimensionen gelten, und vergleicht diese Ergebnisse mit denen von Debye-Zufallsmedien sowie dem Boolean-Modell.

Cedric J. Gommes2026-04-14🔬 cond-mat.mtrl-sci

Emergence of Complex Structures

Die Arbeit stellt ein vereinheitlichtes Rahmenwerk vor, das die scheinbare Spannung zwischen der Entstehung komplexer Strukturen und dem Entropieanstieg auflöst, indem sie zeigt, wie durch eine Kombination aus Phasenraumdynamik, Transportgeometrie und Informationstheorie die Ordnung auf makroskopischer Ebene trotz zunehmender Komplexität im vollständigen Phasenraum entstehen kann.

Francisco-Shu Kitaura2026-04-14🌀 nlin

A unified descriptor framework for hydrogen storage capacity and equilibrium pressure in interstitial hydrides

Diese Studie stellt einen physikalisch interpretierbaren, datengestützten Rahmen vor, der mithilfe von symbolischer Regression und der Datenbank DigHyd zeigt, dass die Wasserstoffspeicherkapazität interstitieller Hydride durch geometrische Gitterparameter und die Wärmeleitfähigkeit bestimmt wird, während der Gleichgewichtsdruck durch elastische Eigenschaften wie den Schermodul und die Poisson-Zahl gesteuert wird, was gezielte Optimierungsstrategien für Materialien mit hoher Kapazität und praktischem Betriebsdruck ermöglicht.

Seong-Hoon Jang, Di Zhang, Xue Jia, Hung Ba Tran, Linda Zhang, Ryuhei Sato, Yusuke Hashimoto, Yusuke Ohashi, Toyoto Sato, Kiyoe Konno, Shin-ichi Orimo, Hao Li2026-04-14🔬 cond-mat.mtrl-sci

EnScale: Temporally-consistent multivariate generative downscaling via proper scoring rules

Die Arbeit stellt EnScale vor, ein rechen-effizientes, generatives maschinelle-Lern-Framework, das mithilfe von Proper Scoring Rules multivariate Klimavariablen über Mitteleuropa mit hoher räumlicher und zeitlicher Konsistenz von grob aufgelösten globalen zu hochauflösenden regionalen Klimamodellen herunterskaliert.

Maybritt Schillinger, Maxim Samarin, Xinwei Shen, Reto Knutti, Nicolai Meinshausen2026-04-13📊 stat

Variational Dimension Lifting for Robust Tracking of Nonlinear Stochastic Dynamics

Diese Arbeit stellt einen Rahmen vor, der mithilfe einer invertierbaren Transformation nichtlineare stochastische Zustandsraummodelle in höherdimensionale lineare Gaußsche Modelle überführt, um robuste und stabile Bayesianische Teilchenfilterung zu ermöglichen.

Yonatan L. Ashenafi2026-04-13📊 stat

New Deep Learning Data Analysis Method for PROSPECT using GAPE: Genetic Algorithm Powered Evolution

Die Studie stellt die GAPE-Methode (Genetic Algorithm Powered Evolution) vor, die zur Optimierung von Deep-Learning-Modellen für die PROSPECT-Experimente eingesetzt wird und dabei eine fast 2,8-fache Verbesserung des Signal-zu-Hintergrund-Verhältnisses bei der Identifizierung von Reaktor-Antineutrinos ermöglicht, nachdem zeitabhängige Verzerrungen durch ein datenperiodenspezifisches Training erfolgreich behoben wurden.

M. Adriamirado, A. B. Balantekin, C. Bass, O. Benevides Rodrigues, E. P. Bernard, N. S. Bowden, C. D. Bryan, T. Classen, A. J. Conant, N. Craft, A. Delgado, G. Deichert, M. J. Dolinski, A. Erickson, M (…)2026-04-13⚛️ hep-ex

← Zurück Weiter →

physics.data-an