🔬 Category

physics.data-an

252 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.

Decomposition of Anomalous Diffusion in two-state random walks

Questo articolo dimostra che un Cammino Casuale a Due Stati, che alterna tra uno stato di riposo di cammino casuale a tempo continuo e uno stato di moto di cammino di Lévy, esibisce una coesistenza generica degli effetti Joseph, Noah e Moses, rivelando che l'accoppiamento stocastico con una fase CTRW può indurre fondamentalmente incrementi a coda pesante e invecchiamento in sistemi in cui i soli cammini di Lévy possiedono solo l'effetto Joseph.

Abhijit Bera, Kevin. E. Bassler2026-06-02🌀 nlin

Bayesian estimation of spectral parameters of the 6.7-GHz methanol maser G339.884-1.259 from GRAO observations

Questo articolo presenta un framework di decomposizione spettrale bayesiana che utilizza il campionamento Markov Chain Monte Carlo per analizzare le osservazioni del maser di metanolo a 6,7 GHz di G339.884$-$1.259 provenienti dal Ghana Radio Astronomy Observatory, dimostrando che un modello di profilo Voigt supera gli approcci convenzionali Gaussiano e Lorentziano nel risolvere accuratamente sette componenti coerenti in velocità e nel quantificare le incertezze.

Theophilus Ansah-Narh, Stephen Sottie, Nia Imara, Emmanuel Proven-Adzri2026-06-02🔭 astro-ph

Proton High-Order Cumulants in Au+Au Collisions at High Baryon Density from JAM with a Centrality-Independent Framework

Questo studio utilizza il modello JAM e un nuovo framework di Analisi dei Cumulanti Autentici Indipendente dalla Centralità (CIGAR) per analizzare sistematicamente i cumulanti di ordine superiore dei protoni in collisioni Au+Au ad alte densità barioniche, fornendo una linea di base non critica cruciale per le ricerche del punto critico della QCD eliminando efficacemente le fluttuazioni del volume iniziale e investigando gli effetti degli spettatori.

Yongcong Xu, Zhaohui Wang, Yu Zhang, Xiaofeng Luo2026-06-02⚛️ nucl-ex

Wasserstein normalized autoencoder for anomaly detection

Questo articolo introduce il Wasserstein normalized autoencoder (WNAE), un nuovo modello di rilevamento delle anomalie non supervisionato che minimizza la distanza di Wasserstein tra i dati di addestramento e una distribuzione di Boltzmann degli errori di ricostruzione per identificare efficacemente i jet semivisibili al CERN LHC, superando al contempo i fallimenti di ricostruzione degli outlier comuni negli autoencoder standard.

CMS Collaboration2026-06-01⚛️ hep-ex

Neural Scaling Laws for Jet Generation

Questo articolo indaga le leggi di scalatura neurale per la generazione di getti di particelle, confermando una scalatura logaritmica con la dimensione del modello e validando la perdita di previsione del token successivo come proxy per l'accuratezza fisica, mentre si osservano tendenze di scalatura più deboli per la dimensione del dataset e la potenza di calcolo a causa della rapida saturazione nell'apprendimento autoregressivo.

Oz Amram, Darius A. Faroughy, Tjarko Gerdes, Anna Hallin, Gregor Kasieczka, Michael Krämer, Humberto Reyes-Gonzalez, David Shih2026-05-29⚛️ hep-ex

`pandemonium`: High Dimensional Analysis in Linked Spaces

Il documento introduce `pandemonium`, un pacchetto R che facilita l'analisi in spazi ad alta dimensionalità collegati combinando l'analisi dei cluster con visualizzazioni collegate, come la riduzione non lineare della dimensionalità e le animazioni di tour, per esplorare le relazioni tra predittori e risposte in dataset complessi come le attivazioni delle reti neurali e i modelli fisici multivariati.

Gabriel McCoy, German Valencia, Ursula Laa2026-05-29📊 stat

Inverse generalised spin models of answers to questionnaires

Questo articolo introduce e convalida un protocollo di inferenza basato su Monte Carlo per modelli di spin generalizzati (Ising, Blume-Capel e Blume-Emery-Griffiths) per analizzare dati di questionari ordinali, dimostrando che il modello Blume-Emery-Griffiths supera gli approcci gaussiani tradizionali nel catturare caratteristiche complesse come la multimodalità e i valori anomali, sebbene tutti i modelli abbiano difficoltà con le distribuzioni a code pesanti.

Arianna Armanetti, Luca Cecchetti, Paolo Sarti, Diego Garlaschelli, Miguel Ibáñez-Berganza2026-05-29🔬 physics