36 articles
Cette étude propose une nouvelle méthode d'alerte précoce, le DE-AC, qui estime la valeur propre dominante à partir de la fonction d'autocorrélation pour prédire avec plus de précision et de fiabilité l'approche de bifurcations de doublement de période, notamment dans le contexte des arythmies cardiaques, surpassant ainsi les indicateurs traditionnels.
Cette étude présente TRec, un cadre de tomographie par diffusion de muons intégrant des mesures de quantité de mouvement et des modèles physiques, qui permet de détecter avec une grande sensibilité des défauts de combustible dans des micro-réacteurs scellés, surpassant significativement les méthodes traditionnelles comme PoCA.
Ce tutoriel présente une méthode bayésienne en deux étapes pour quantifier les incertitudes et générer plusieurs courbes de Hugoniot cohérentes avec les données de compression par choc, offrant une approche plus interprétable et robuste que les techniques traditionnelles de régression ou de bootstrap.
Cet article présente une vue d'ensemble de GenomeBits, un outil d'analyse génomique inspiré de la physique et basé sur le traitement du signal, qui permet d'extraire des caractéristiques intrinsèques et d'identifier des transitions ordre-désordre dans les séquences de variants viraux tels que le SARS-CoV-2 et le Monkeypox, tout en proposant une extension quantique modélisant les génomes comme des fonctions d'onde.
Ce papier présente Noise2Ghost, une nouvelle méthode d'imagerie fantôme auto-supervisée basée sur l'apprentissage profond qui permet une reconstruction de haute qualité avec réduction du bruit sans nécessiter de données de référence propres, rendant ainsi possible l'imagerie à faible luminosité pour des applications sensibles comme l'imagerie par fluorescence X in vivo.
Cet article présente un cadre de réseau de neurones bayésien intégré à la physique (PE-BNN) qui, en incorporant un facteur de coquille phénoménologique indépendant de l'énergie, prédit avec précision les rendements des produits de fission et leurs structures fines en fonction de l'énergie.
Cet article propose les SKANODEs, un cadre intégrant des réseaux de Kolmogorov-Arnold aux équations différentielles neuronales pour modéliser avec précision des dynamiques non linéaires complexes tout en découvrant automatiquement leurs lois physiques sous-jacentes sous forme d'expressions symboliques interprétables.
Cette étude remet en question l'hypothèse dominante selon laquelle l'accélération rotationnelle est la principale cause de commotion cérébrale en démontrant que l'accélération linéaire est un prédicteur plus précis, ce qui a conduit au développement d'une nouvelle technologie de casque à absorption liquide capable de réduire le risque de blessure jusqu'à 73 %.
Cet article présente le jeu de données mondial « Global Settlement Percolation » (GSP), qui cartographie à l'échelle planétaire la distance critique à laquelle les établissements humains isolés fusionnent en un vaste cluster, offrant ainsi une nouvelle mesure indépendante de la connectivité des agglomérations pour les recherches en morphologie urbaine et en écologie du paysage.
Cet article propose un cadre pratique pour l'analyse des valeurs extrêmes dans des systèmes multivariés, finis et corrélés, en appliquant une méthode de seuil aux rendements boursiers haute fréquence transformés dans la base des vecteurs propres de la matrice de corrélation afin de séparer les effets collectifs des caractéristiques idiosyncrasiques tout en tenant compte de la non-stationnarité.
Cette étude utilise des techniques de visualisation et de sonification (MIDI et PMSon) appliquées aux courbes de lumière multifréquences de plusieurs blazars pour révéler leurs patterns de variabilité et promouvoir une communication scientifique plus inclusive.
Cet article propose une méthode entièrement pilotée par les données, nommée distance de Wasserstein tranchée généralisée structurée, utilisant des réseaux de neurones à poids aléatoires pour analyser directement les images de polarisation X en keV acquises par des détecteurs à pixels gazeux, afin de déterminer les directions de polarisation et les angles d'incidence sans étape intermédiaire d'extraction des angles d'émission.
Cette étude introduit une approche spectrale basée sur les matrices de recouvrement pour caractériser le verre de spin d'Edwards-Anderson en trois dimensions, révélant que la densité spectrale suit une statistique de Tsallis évoluant d'une loi semi-circulaire vers une distribution gaussienne à la température critique, offrant ainsi un indicateur robuste et efficace de la criticalité.
L'article présente O-Sensing, un protocole qui utilise l'optimisation de parcimonie et l'entropie spectrale pour déduire la géométrie des interactions, l'hamiltonien et les symétries d'un système quantique à partir de quelques états propres de basse énergie, même sans connaissance préalable des connexions entre les sites.
Cet article présente une nouvelle approche de filtrage de Kalman par ensemble qui intègre la localisation de manière intrinsèque en approximant la densité de probabilité d'analyse par un produit de marginales via l'optimisation variationnelle bayésienne, éliminant ainsi le besoin de techniques de localisation ad hoc et de réglage manuel tout en offrant des performances comparables aux méthodes classiques.
Cet article analyse la sensibilité accrue aux hyperparamètres des machines d'Ising à rétroaction par mesure par rapport aux modèles continus et propose une méthode expérimentale pour réduire cette sensibilité, améliorant ainsi leur opération pratique.