334 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.
Questo articolo esamina i recenti progressi negli algoritmi di riconoscimento dei pattern e nell'analisi dei dati per i rivelatori RICH, confrontando i metodi tradizionali con le moderne tecniche di apprendimento automatico e delineando le tendenze emergenti nella simulazione e nell'identificazione delle particelle.
Questo studio presenta diagrammi di fase pressione-temperatura globalmente invertiti fino a 5.000 GPa per Fe, MgO, SiO2 e MgSiO3, derivati da apprendimento automatico e un database sperimentale, che risolvono controversie sulle curve di fusione e affinano i modelli strutturali interni dei pianeti rocciosi e degli esopianeti.
Questo articolo dimostra che è possibile adottare una parametrizzazione dei prior che garantisca incertezze posteriori conservative per i parametri di interesse, affrontando la sfida delle correlazioni sconosciute tra parametri di disturbo in analisi bayesiane che combinano esperimenti diversi.
Questo studio introduce un approccio basato sulla teoria dell'informazione per quantificare la dipendenza temporale nelle serie di precipitazioni discrete, dimostrando che l'occorrenza giornaliera della pioggia negli Stati Uniti è ben descritta da catene di Markov di basso ordine con variazioni regionali e stagionali, offrendo così un quadro solido per modelli stocastici parsimoniosi e previsioni meteorologiche più efficienti.
Il documento presenta la microscopia assistita dal conteggio di ioni (ICAM), una tecnica quantitativa che riduce il rumore shot e permette di ottenere immagini di alta qualità con una dose di particelle ridotta, facilitando così l'analisi di campioni sensibili alla radiazione.
Questo studio presenta un nuovo metodo probabilistico per l'analisi dei dati di scattering neutronico e a raggi X in modalità evento che, eliminando l'istogrammazione e l'adattamento ai minimi quadrati, offre maggiore accuratezza ed efficienza rispetto alle tecniche tradizionali, sebbene a costo di una minore intuitività e di un maggior tempo di calcolo.
Questo articolo introduce un approccio di massima entropia per la modellazione continua di reti temporali, che permette di fattorizzare le interazioni in processi temporali globali e probabilità statiche degli archi, fornendo modelli generativi interpretabili con funzioni di verosimiglianza in forma chiusa e migliorando le prestazioni rispetto ai processi di Poisson generici.
Questo articolo presenta algoritmi per stimare modelli di errore dei rivelatori (DEM) direttamente dai dati dei sindromi sui chip quantistici di Google Willow, dimostrando che tali modelli migliorano la previsione dei sindromi e rivelano correlazioni a lungo raggio e nuovi artefatti fisici, pur risultando meno efficaci come prior per i decoder rispetto ai modelli ottimizzati per le prestazioni logiche.
Il documento dimostra che, quando la prior condizionata agli iperparametri è una distribuzione canonica di massima entropia, anche la prior marginale risultante nei modelli gerarchici bayesiani conserva una proprietà di massima entropia, ma vincolata alla distribuzione marginale di una funzione delle quantità incognite, rivelando così la natura delle informazioni assunte in tali modelli.
Questo articolo presenta un framework a due passaggi per quantificare l'incertezza dei parametri della cinetica chimica dettagliata su modelli ridotti, permettendo una proiezione efficiente e risolta spazialmente delle variazioni temporali nelle simulazioni di combustione complessa.