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.
Diese Arbeit präsentiert ein Multi-Fidelity-Surrogatmodellierungs-Framework, das empirische Korrelationen mit CFD-Simulationen kombiniert, um Windlastkoeffizienten für moderne Containerschiffe in Hafenumgebungen präzise und recheneffizient vorherzusagen.
Dieses Paper stellt ein neuartiges „Physics-Informed Temporal U-Net“ vor, das durch die Kombination von VGG-basiertem Perceptual Loss und einer physikalisch motivierten Randbedingung eine hochpräzise und detailreiche Interpolation von Fluidströmungen aus spärlichen zeitlichen Beobachtungen ermöglicht.
Das Paper stellt ArchGEM vor, ein automatisiertes Analyse-Framework zur Identifizierung und Charakterisierung von Streulichtrauschen in LIGO-Detektoren, das durch die Kombination von Peak-Finding-Methoden und Gaußschen Mischmodellen die physikalischen Eigenschaften beweglicher Streuoberflächen ableitet.
Die Arbeit interpretiert das über acht Jahre stabile Temperaturverhältnis in der ruhigen Korona der Sonne als eine Divergenz zwischen zwei informationstheoretischen Projektionen (EUV-Ionisation und Radio-Bremsstrahlung) einer nicht-thermischen Elektronenverteilung auf die Maxwell-Familie.
Die Studie zeigt mittels numerischer Simulationen, dass die intermittierenden Ereignisse im turbulenten Energiekaskadenprozess eine deutlich größere Korrelationslänge aufweisen als der kanonische Wert, was die Notwendigkeit einer nicht-markovschen Korrektur für die mathematische Beschreibung der Kaskade unterstreicht.
Die Autoren präsentieren DySIB, eine Methode des „Dynamical Symmetric Information Bottleneck“, die durch die Maximierung der prädiktiven Information im latenten Raum ohne Rekonstruktion der Rohdaten interpretierbare, niedrigdimensionale Zustandsvariablen direkt aus hochdimensionalen experimentellen Zeitreihen (wie Videodaten eines Pendels) ableiten kann.
Diese Arbeit präsentiert eine Methode zur Berechnung lokaler statistischer Kennwerte auf unvollständigen kartesischen und polaren Gittern mittels randbewusster Spektraloperatoren, die Artefakte minimieren und eine stabile Interpretation auch bei fehlenden Daten ermöglichen.
Diese Studie präsentiert die erste umfassende Bestimmung aller Haupt-Hadron-Zerfallskanäle des Higgs-Bosons am FCC-ee durch eine kombinierte Analyse von Higgs-Strahlung und Vektor-Boson-Fusion, die eine Präzision im Prozent- bis Promillebereich für die dominanten Modi erreicht und erstmals eine Empfindlichkeit für den seltenen Zerfall in Strange-Quarks demonstriert.
Diese Arbeit stellt neue Simulations-Benchmarks vor und zeigt, dass eine Kombination aus hochagostischen Energiefluss-Polynomen und Subjettiness-Variablen („Kitchen Sink") die empfindlichste Methode für die Anomalieerkennung in Teilchenkollisionen darstellt, wobei ein Bagging-Ansatz die Trainingskosten bei gleicher Leistung erheblich senkt.
Diese Studie untersucht die Entwicklung und das Training von SciML-Emulatoren für die Modal-Aerosol-Mikrophysik in E3SMv2 und zeigt, dass durch geeignete Skalierung und Konvergenzüberwachung selbst relativ einfache neuronale Netzarchitekturen Aerosolkonzentrationsänderungen unter wolkenfreien Bedingungen präzise nachbilden können.