🔬 Category

physics.data-an

335 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.

Wide-Surface Furnace for In Situ X-Ray Diffraction of Combinatorial Samples using a High-Throughput Approach

Questo lavoro presenta la progettazione e l'implementazione di un forno a larga superficie per la caratterizzazione ad alto rendimento di campioni combinatori su wafer da 100 mm tramite diffrazione e fluorescenza a raggi X in situ a temperature elevate, applicando tale approccio allo studio dei coefficienti di espansione termica di un sistema ternario e alla verifica dei limiti della legge di Vegard nei materiali ad alta entropia.

Giulio Cordaro, Juande Sirvent, Cristian Mocuta, Fjorelo Buzi, Thierry Martin, Federico Baiutti, Alex Morata, Albert Tarancòn, Dominique Thiaudière, Guilhem Dezanneau2026-02-20🔬 cond-mat.mtrl-sci

Detecting nonequilibrium phase transitions via continuous monitoring of space-time trajectories and autoencoder-based clustering

Il paper presenta un approccio basato sull'apprendimento automatico che utilizza il monitoraggio continuo delle traiettorie spazio-temporali e il clustering tramite autoencoder per rilevare transizioni di fase fuori equilibrio in sistemi quantistici, superando le limitazioni delle misurazioni proiettive tradizionali.

Erik Fitzner, Francesco Carnazza, Federico Carollo, Igor Lesanovsky2026-02-20⚛️ quant-ph

Memristive tabular variational autoencoder for compression of analog data in high energy physics

Il paper presenta un'implementazione di intelligenza artificiale periferica su un dispositivo di memoria analogica contenente indirizzamento (ACAM) basato su memristori, che utilizza un autoencoder variazionale distillato in formato tabellare per comprimere in tempo reale i dati energetici di un calorimetro ad alta energia con un fattore di 12x, una latenza di 24 ns e un consumo energetico di 4,1 nJ per compressione.

Rajat Gupta, Yuvaraj Elangovan, Tae Min Hong, James Ignowski, John Moon, Aishwarya Natarajan, Stephen Roche, Luca Buonanno2026-02-19⚛️ hep-ex

An information-matching approach to optimal experimental design and active learning

Il documento presenta un approccio basato sulla matrice di informazione di Fisher per la selezione ottimale dei dati di addestramento, formulato come problema di ottimizzazione convessa, che garantisce l'acquisizione delle informazioni necessarie per prevedere con precisione le quantità di interesse in modelli complessi e in contesti di apprendimento attivo.

Yonatan Kurniawan, Tracianne B. Neilsen, Benjamin L. Francis, Alex M. Stankovic, Mingjian Wen, Ilia Nikiforov, Ellad B. Tadmor, Vasily V. Bulatov, Vincenzo Lordi, Mark K. Transtrum2026-02-18🔬 cond-mat.mtrl-sci

Eigenvector Geometry as a New Route to Criticality in Random Multiplicative Systems

Questo studio identifica un nuovo meccanismo di criticità nei sistemi moltiplicativi multidimensionali, in cui la non normalità delle matrici casuali genera un'amplificazione transitoria degli autovettori che aumenta l'esponente di Lyapunov efficace e favorisce l'emergere di code di potenza, come dimostrato nel contesto dell'allungamento dei polimeri in flussi turbolenti.

Virgile Troude, Didier Sornette2026-02-18🌀 nlin