331 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 studio determina le soglie critiche di percolazione per il tassello aperiodico Smith Hat (1, ) attraverso simulazioni Monte Carlo, riportando valori specifici sia per la percolazione di siti che di legami.
Questo studio valuta l'efficacia di emulatori basati sull'apprendimento automatico scientifico per il modulo microfisico degli aerosol MAM4 nel modello E3SMv2, dimostrando che una rete neurale semplice, se combinata con strategie di scalatura efficaci e un'adeguata convergenza dell'ottimizzazione, può riprodurre con precisione le variazioni chiave delle concentrazioni di aerosol.
Questo studio applica la teoria dei marcatori di rete dinamica (DNM) ai dati di trading della Borsa di Tokyo per identificare segnali di allerta precoce di instabilità di mercato e grandi movimenti dei prezzi su scala giornaliera.
Questo lavoro introduce il problema NP-difficile "CriticalSet" per identificare i contributori critici nelle reti di dipendenza bipartite, proponendo la misura di centralità ShapleyCov e l'algoritmo lineare MinCov che, superando i limiti degli approcci greedy, offrono prestazioni quasi ottimali con efficienza computazionale superiore su dataset reali su larga scala.
Questo articolo propone una definizione operativa di interpretabilità per l'apprendimento automatico scientifico, sostenendo che la comprensione dei meccanismi fisici è più fondamentale della mera sparsità matematica e criticando le attuali concezioni che confondono i due concetti.
Il paper stabilisce un'identità esatta che lega la produzione di entropia all'informazione reciproca nelle dinamiche di Langevin sovrasmorzate, permettendo una decomposizione non negativa della produzione di entropia in sottosistemi che rivela la struttura termodinamica dell'irreversibilità meccanica.
Questo articolo propone e valuta due metodi bayesiani, l'approssimazione di Laplace e il campionamento Markov Chain Monte Carlo, per quantificare l'incertezza degli stimatori in un algoritmo di scomposizione spettrale ibrido per la spettrometria gamma, dimostrando che mentre entrambi funzionano bene in condizioni ideali, solo il metodo MCMC garantisce risultati robusti quando sono attivi vincoli di deformazione spettrale o il fondo di conteggio è dominante.
Questo articolo confronta i metodi di media ponderata e mediana per il calcolo di una media comune, proponendo una nuova stima combinata che offre risultati più robusti e realistici sia per misure coerenti che discordanti.
Questo articolo offre una breve rassegna sull'applicazione della varianza di Allan e delle sue modifiche (WAVAR, MAVAR e WMAVAR) per analizzare le serie temporali astro-geodetiche, superando le limitazioni della versione classica nel gestire dati con pesi disuguali e multidimensionali.
Il paper propone un nuovo metodo chiamato SREAG per suddividere una superficie sferica in celle di area uguale, offrendo una griglia rettangolare con anelli latitudinali di larghezza più uniforme rispetto ad altre tecniche di pixelizzazione, risultando semplice da costruire e ideale per l'astronomia e la geodesia.