🔬 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.

Selectivity- and Activity-Aware Catalyst Descriptors for CO2_2 Hydrogenation on Alloy Nanocatalysts using Machine-Learned Force Fields

Questo studio introduce un quadro di distribuzione dell'energia di adsorbimento risolto per facce, che utilizza campi di forza appresi tramite machine learning per analizzare 1,4 milioni di siti di adsorbimento su diverse superfici di leghe, identificando così composizioni e orientamenti specifici che ottimizzano sia l'attività che la selettività verso il metanolo per l'idrogenazione della CO2_2.

Prajwal Pisal, Ondřej Krejčí, Patrick Rinke2026-05-11🔬 cond-mat.mtrl-sci

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

Questo articolo introduce un approccio scalabile di matching delle informazioni basato sull'ottimizzazione convessa che sfrutta la Matrice di Informazione di Fisher per selezionare dati di training minimi e ad alto valore per prevedere accuratamente le quantità di interesse, affrontando così la scarsità di dati e l'non-identificabilità dei parametri in diverse applicazioni di modellazione scientifica e 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. Transtrum2026-05-08🔬 physics.app-ph

Experimental measurement of quantum-first-passage-time distributions

Questo articolo riporta la prima misurazione sperimentale delle Distribuzioni del Tempo di Primo Passaggio Quantistico (QFPTD) utilizzando un singolo ione intrappolato, stabilendo una chiara connessione con i corrispettivi classici e aprendo nuove strade per l'indagine della dinamica quantistica, degli algoritmi di ricerca e del problema della misurazione.

Joseph M. Ryan, Simon Gorbaty, Thomas J. Kessler, Mitchell G. Peaks, Stephen W. Teitsworth, Crystal Noel2026-05-08⚛️ quant-ph

Bayesian leave-one-out cross-validation for astrophysical model comparison using gravitational-wave background data

Questo studio impiega la validazione incrociata bayesiana leave-one-out su dati di array di temporizzazione delle pulsar per confrontare quattro modelli di evoluzione di binarie di buchi neri supermassicci, rilevando che, sebbene le prove attuali non favoriscano in modo decisivo un singolo modello rispetto agli altri, i dati supportano la soppressione a bassa frequenza indotta dalla materia oscura ultraleggera senza tuttavia distinguerla da scenari generici di indurimento ambientale.

Shreyas Tiruvaskar, Chris Gordon2026-05-08🔭 astro-ph

Partial Effective Information Decomposition for Synergistic Causality

Questo articolo introduce la Decomposizione Parziale dell'Informazione Effettiva (PEID), un nuovo quadro interventista che scompone in modo unico le influenze causali multivariate in componenti uniche e sinergiche sotto interventi a massima entropia, consentendo così la caratterizzazione della causalità sinergica, della causalità discendente e di strutture causali interpretabili in sistemi complessi.

Mingzhe Yang, Shuo Wang, Jiang Zhang2026-05-06📊 stat

OmniMol: Transferring Particle Physics Knowledge to Molecular Dynamics with Point-Edge Transformers

Questo articolo introduce OmniMol, un potenziale interatomico appreso tramite machine learning all'avanguardia per piccole molecole che sfrutta un'architettura Point-Edge Transformer e il trasferimento di conoscenze dalla fisica delle alte energie per ottenere prestazioni eccellenti con un minimo di fine-tuning e un'inferenza unica per la sua rapidità.

Ibrahim Elsharkawy, Vinicius Mikuni, Wahid Bhimji, Benjamin Nachman2026-05-05⚛️ hep-ex

Toward a Scientific Discovery Engine for Weather and Climate Data: A Visual Analytics Workbench for Embedding-Based Exploration

Questo articolo presenta una piattaforma di analisi visiva open-source che consente agli scienziati di interpretare, convalidare ed esplorare rappresentazioni basate su embedding di dati meteorologici e climatici su larga scala collegando i risultati della ricerca nello spazio latente alle loro origini fisiche e metadati, facilitando così un flusso di lavoro di scoperta per l'identificazione e il recupero di eventi analoghi come i cicloni tropicali.

Nihanth W. Cherukuru, Matt Rehme, Kirsten J. Mayer, David John Gagne, John Schreck, John Clyne, Charlie Becker2026-05-05🔬 physics

Testing General Relativity Through Gravitational Wave Classification: A Convolutional Neural Network Framework

Questo articolo introduce un framework di apprendimento automatico che utilizza reti neurali convoluzionali addestrate su osservabili della funzione di risposta per migliorare significativamente la classificazione dei segnali di onde gravitazionali per testare la relatività generale, ottenendo un miglioramento della sensibilità di 33 volte rispetto agli input standard di forma d'onda e rilevando con successo deviazioni nelle teorie della gravità massiva.

Lavinia Heisenberg, Shayan Hemmatyar, Hector Villarrubia-Rojo2026-05-05⚛️ gr-qc