261 articoli
La fisica dei dati analitici esplora come la teoria fisica si fonde con l'analisi avanzata dei dati per rivelare nuovi modelli nella natura. Questo campo trasforma osservazioni complesse in intuizioni chiare, unendo leggi fondamentali a strumenti statistici moderni per decifrare fenomeni che vanno dalle particelle subatomiche alla struttura dell'universo.
Su Gist.Science, ogni nuovo preprint in questa categoria proveniente da arXiv viene elaborato con cura. Offriamo sia riassunti in linguaggio semplice per i curiosi, sia analisi tecniche dettagliate per gli esperti, rendendo la ricerca d'avanguardia accessibile a tutti senza perdere rigore scientifico.
Di seguito troverete le pubblicazioni più recenti in questo affascinante settore, pronte per essere esplorate e comprese.
Utilizzando i connettomi sinaptici e neuropeptidergici di *Caenorhabditis elegans*, questo studio introduce un quadro multiplo basato su principi termodinamici che rivela come la segnalazione sinaptica ed extrasinaptica si organizzino in quattro regimi funzionali complementari per ottimizzare velocità, modulazione, robustezza e sopravvivenza.
Il paper presenta QuantumXCT, un framework ibrido quantistico-classico che utilizza l'entanglement e la modellazione generativa per inferire le trasformazioni di stato cellulare indotte dalle interazioni, superando i limiti dei database di ligandi-recettori tradizionali e permettendo la scoperta *de novo* dei programmi di comunicazione intercellulare.
Questo lavoro propone un Modello di Mischia Adattato ai Template che sfrutta molteplici simulazioni distorte per ottenere stime della frazione di segnale nei dati reali con incertezze ben calibrate, riducendo significativamente i pregiudizi causati dalle discrepanze tra simulazione e realtà.
Questo articolo presenta un modello epidemiologico ispirato all'elettrodinamica quantistica che sostituisce il contatto diretto con un'interazione mediata da un campo patogeno, permettendo di derivare equazioni SIR classiche, calcolare effetti di schermatura spaziale e identificare segnali predittivi di focolai attraverso l'analisi di dati reali sulla pandemia di COVID-19 in Germania.
Il paper presenta BuSyNet, un'architettura di deep learning che combina vincoli di consistenza dimensionale e trasformazioni simpatiche per scoprire espressioni simboliche di Hamiltoniane, ottenendo previsioni a lungo termine più accurate e stabili rispetto agli approcci esistenti su sistemi come l'oscillatore armonico e il problema dei due corpi di Keplero.
Questo studio introduce un nuovo Indice di Dipendenza dall'Auto (CDI) per quantificare il divario di accessibilità tra trasporto privato e pubblico in 18 città europee e nordamericane, dimostrando che solo espansioni sistemiche e di rete del trasporto pubblico, e non interventi isolati, possono ridurre efficacemente la dipendenza dall'auto e promuovere una mobilità urbana equa e sostenibile.
Questo studio analizza un modello di grafo casuale inhomogeneo con variabili di fitness a coda pesante e media infinita, caratterizzandone le distribuzioni asintotiche dei gradi, le correlazioni e la densità di strutture locali come cunei e triangoli, evidenziando una transizione nell'esistenza di vertici isolati.
Questo articolo presenta un metodo di olografia temporale energetica che, sfruttando l'effetto Mössbauer e misurazioni sovrapposte nel dominio del tempo, risolve il problema della fase per la ricostruzione spettrale senza bisogno di modelli estesi, superando i limiti delle sorgenti gamma tradizionali.
Questo articolo presenta "The Closure Challenge", una nuova sfida di benchmark open-source che fornisce dataset standardizzati e metriche di valutazione per testare e migliorare i modelli di chiusura turbolenta basati sull'apprendimento automatico nella simulazione RANS.
Il documento presenta FcsIT, uno strumento open-source e multipiattaforma sviluppato in Python con interfaccia Dear PyGUI, progettato per l'elaborazione, la correlazione e il fitting avanzato dei dati di spettroscopia di correlazione di fluorescenza (FCS) con qualità paragonabile ai software commerciali.