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.

Coincidence Algebra Bundle for Decay Quivers: An Algebraic Approach to Gamma-ray Spectroscopy

Motivé par la nécessité d'une structure algébrique plus complète pour le calcul des probabilités de coïncidence en spectroscopie gamma, cet article modélise les schémas de désintégration comme des quivers et propose une approche algébrique fondée sur un fibré d'algèbre de coïncidence qui étend l'algèbre de chemin pour permettre la multiplication de transitions non composables.

Liam Schmidt2026-03-18⚛️ nucl-ex

Identifying Neutron Sources using Recoil and Time-of-Flight Spectroscopy

Cet article présente un protocole bayésien combinant l'appariement de spectres complets et l'évaluation probabiliste des preuves pour identifier avec une grande signification statistique des sources de neutrons uniques ou multiples à partir de spectres de recul et de temps de vol, même avec un nombre d'événements aussi faible que 10³.

David Breitenmoser, Ricardo Lopez, Shaun D. Clarke, Sara A. Pozzi2026-03-18🔬 physics.app-ph

\texttt{py5vec}: a modular Python package for the 5-vector method to search for continuous gravitational waves

Cet article présente \texttt{py5vec}, un package Python modulaire qui implémente et étend la méthode du 5-vecteur pour la recherche d'ondes gravitationnelles continues, en intégrant une nouvelle vraisemblance de Student robuste, une interface bayésienne et une validation sur les données LIGO de la campagne O4a.

Luca D'Onofrio, Federico Muciaccia, Lorenzo Mirasola, Matthew Pitkin, Cristiano Palomba, Paola Leaci, Francesco Safai Tehrani, Francesco Amicucci, Lorenzo Silvestri, Lorenzo Pierini2026-03-18🔭 astro-ph

Constraining Power of Wavelet vs. Power Spectrum Statistics for CMB Lensing and Weak Lensing with Learned Binning

Cette étude présente des prévisions de contraintes sur les paramètres cosmologiques en comparant les statistiques spectrales et les transformées en ondelettes (WST et WPH) appliquées aux lentilles gravitationnelles du CMB et aux galaxies, démontrant que les harmoniques de phase des ondelettes surpassent les spectres de puissance croisés tout en utilisant une nouvelle méthode de binning appris pour optimiser la compression des données.

Kyle Boone, Georgios Valogiannis, Marco Gatti, Cora Dvorkin2026-03-17🔭 astro-ph

Optimality and annealing path planning of dynamical analog solvers

Cet article développe un cadre de champ moyen dynamique pour analyser les machines d'Ising, démontrant qu'elles atteignent des énergies quasi optimales en temps constant pour le modèle de Sherrington-Kirkpatrick et proposant un cadre général pour optimiser leurs schedules de paramètres, notamment via un recuit par température seule.

Shu Zhou, K. Y. Michael Wong, Juntao Wang, David Shui Wing Hui, Daniel Ebler, Jie Sun2026-03-17🔬 cond-mat