🔬 Category

physics.data-an

334 articles

La physique des données-analytiques explore comment les mathématiques et les statistiques éclairent les phénomènes naturels, transformant des observations brutes en lois fondamentales. Sur Gist.Science, nous rendons ces travaux complexes accessibles à tous, en décryptant les mécanismes qui régissent notre univers sans jargon inutile.

Chaque nouveau prépublication dans ce domaine provenant d'arXiv est analysé par nos soins. Nous proposons systématiquement deux versions de chaque article : un résumé clair pour le grand public et une explication technique détaillée pour les experts, garantissant ainsi une compréhension approfondie quelle que soit votre expertise.

Découvrez ci-dessous la sélection la plus récente de ces recherches passionnantes, où la rigueur scientifique rencontre la clarté de l'explication.

Enhancing Neutrinoless Double-Beta Decay Sensitivity of Liquid-Xenon Time Projection Chamber with Augmented Convolutional Neural Network

En utilisant des données de simulation et d'étalonnage de l'expérience XENONnT, les auteurs ont développé un réseau de neurones convolutifs augmenté (A-CNN) qui rejette plus de 60 % des bruits de fond tout en conservant 90 % du signal, améliorant ainsi d'environ 40 % la sensibilité projetée à la recherche de la désintégration double bêta sans neutrino dans le xénon liquide.

E. Aprile, J. Aalbers, K. Abe, M. Adrover, S. Ahmed Maouloud, L. Althueser, B. Andrieu, E. Angelino, D. Antón Martin, S. R. Armbruster, F. Arneodo, L. Baudis, M. Bazyk, L. Bellagamba, R. Biondi, A. (…)2026-03-26⚛️ hep-ex

Beyond the Central Limit: Universality of the Gamma Distribution from Padé-Enhanced Large Deviations

Cet article démontre que la distribution gamma émerge naturellement de la théorie des grandes déviations lorsqu'on remplace les développements polynomiaux par des approximants de Padé, offrant ainsi une explication universelle et mécanisme-indépendante de sa prévalence dans les systèmes physiques à variables positives, contrairement à la limite centrale gaussienne.

Mario Castro, José A. Cuesta2026-03-26🔬 physics

Learning Response-Statistic Shifts and Parametric Roll Episodes from Wave--Vessel Time Series via LSTM Functional Models

Cet article présente un modèle de substitution basé sur des LSTM qui apprend à partir de séries temporelles vagues-mouvement, indépendamment de la source de données, pour prédire avec précision les épisodes de roulis paramétrique et les changements statistiques associés, offrant ainsi un outil robuste pour l'évaluation des risques maritimes.

Jose del Aguila Ferrandis2026-03-26🤖 cs.LG

Short-Term Turbulence Prediction for Seeing Using Machine Learning

Cette étude propose une méthode de prédiction à court terme de la turbulence atmosphérique jusqu'à deux heures à l'avance en utilisant des modèles d'apprentissage automatique, démontrant que l'approche probabiliste FloTS offre le meilleur équilibre entre précision et quantification de l'incertitude par rapport aux modèles statistiques et déterministes.

Mary Joe Medlej, Rahul Srinivasan, Simon Prunet, Aziz Ziad, Christophe Giordano2026-03-26🔭 astro-ph

LArTPC hit-based topology classification with quantum machine learning and symmetry

Cette étude propose une approche de classification des topologies de traces et de gerbes dans les chambres à projection temporelle au liquide d'argon en utilisant des réseaux de neurones quantiques convolutifs, dont les performances, bien que supérieures à celles des modèles classiques de taille équivalente, restent inférieures à celles des modèles classiques plus volumineux.

Callum Duffy, Marcin Jastrzebski, Stefano Vergani, Leigh H. Whitehead, Ryan Cross, Andrew Blake, Sarah Malik, John Marshall2026-03-25⚛️ hep-ex

The dynamical memory of tidal stellar streams: Joint inference of the Galactic potential and the progenitor of GD-1 with flow matching

Cette étude présente un cadre d'inférence bayésienne sans vraisemblance combinant l'appariement de flux (Flow Matching) et un code N-corps différentiable pour estimer conjointement les paramètres du potentiel galactique et ceux du progeniteur du courant stellaire GD-1, surpassant ainsi les méthodes traditionnelles en capturant les dépendances complexes entre la dynamique d'évaporation tidale et le potentiel sous-jacent.

Giuseppe Viterbo, Tobias Buck2026-03-25🔭 astro-ph