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 studio dimostra che un'architettura EfficientNet leggera e scalabile, combinata con caratteristiche globali, offre prestazioni competitive nel tagging dei jet di quark top con un costo computazionale significativamente inferiore rispetto ai modelli basati su Transformer e GNN.
Il documento presenta il modello Ascona, un framework di campionamento basato su code per generare reti temporali continue con proprietà stocastiche controllabili e distribuzioni degli endpoint a blocchi, utili per la validazione di metodi di analisi strutturale e dinamica.
Questo lavoro presenta un nuovo quadro probabilistico per la determinazione iniziale e la tracciatura delle orbite nello spazio cis-lunare, che combina un metodo di adattamento cinematico per stimare lo stato iniziale con un filtro Particle Gaussian Mixture per ridurre l'incertezza nel tempo, superando così le limitazioni del metodo di Gauss in presenza di dinamiche a tre corpi.
Il documento presenta un metodo bayesiano basato sull'approccio di Sivia (1996) per la media ponderata di dati inconsistenti, che tratta le incertezze come limiti inferiori per gestire meglio gli outlier, e ne dimostra l'efficacia su vari set di dati critici fornendo anche un'implementazione in Python.
Questo lavoro presenta un nuovo framework di embedding iperbolico per reti multistrato che, preservando sia la struttura globale che le specificità dei singoli strati, supera i metodi esistenti permettendo un'analisi comparativa efficace su sistemi complessi eterogenei, come dimostrato su modelli sintetici e reti cerebrali patologiche.
Il documento presenta GollumFit, un framework open-source progettato per eseguire analisi con verosimiglianza binnata sui dati dei telescopi per neutrini, in particolare per IceCube, offrendo una soluzione efficiente per la minimizzazione della verosimiglianza che gestisce decine di parametri di disturbo.
Questa guida pratica offre raccomandazioni e considerazioni operative da parte di ricercatori di esperimenti di fisica delle particelle sull'uso di tecniche di unfolding unbinned basate sul machine learning per rimuovere le distorsioni strumentali e facilitare confronti diretti con le previsioni teoriche.
Questo studio quantifica l'impatto dei costruttori di fisica elettromagnetica di Geant4 sulla precisione energetica e sulle prestazioni computazionali delle simulazioni per ricerche di eventi rari, al fine di guidare la selezione ottimale per esperimenti con target in CaWO e Ge.
Questo articolo presenta un framework di distillazione che comprime un ensemble di modelli eSPA in un unico modello interpretabile, preservando le prestazioni di previsione dell'ENSO fino a 24 mesi e rivelando i precursori fisici e la complessità spaziotemporale necessari per superare la barriera di prevedibilità primaverile.
Il documento presenta DA-HASC, un quadro diagnostico sequenziale che combina assimilazione dei dati e apprendimento di varietà per quantificare la complessità strutturale degli attrattori in sistemi ad alta dimensionalità, consentendo il rilevamento di punti di svolta anche in presenza di osservazioni parziali e rumorose.