physics.data-an 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.

Surface correlation functions of dead-leave models

Questo articolo deriva espressioni analitiche esatte per le funzioni di correlazione superficiale e poro-superficie nei modelli "dead-leave", validi per qualsiasi forma di grano e dimensione, illustrando i risultati con sfere monodisperse e una realizzazione di mezzo casuale di Debye che, pur avendo una funzione di correlazione superficie-superficie quasi identica a quella ricostruita numericamente, presenta una funzione di correlazione poro-superficie distintamente diversa.

Cedric J. Gommes2026-04-14🔬 cond-mat.mtrl-sci

Emergence of Complex Structures

Il paper propone un quadro unificato che risolve la tensione tra formazione di strutture ordinate e crescita dell'entropia dimostrando come l'ordine emerga a livello macroscopico attraverso la dinamica di trasporto non locale e l'attivazione di gradi di libertà di velocità, offrendo un linguaggio mesoscopico applicabile alla formazione di strutture cosmiche e ad altri sistemi complessi.

Francisco-Shu Kitaura2026-04-14🌀 nlin

A unified descriptor framework for hydrogen storage capacity and equilibrium pressure in interstitial hydrides

Questo studio presenta un quadro unificato basato su descrittori fisici e regressione simbolica che separa i meccanismi di capacità di stoccaggio e pressione di equilibrio negli idruri interstiziali, guidando la progettazione di materiali con elevate prestazioni a temperatura ambiente.

Seong-Hoon Jang, Di Zhang, Xue Jia, Hung Ba Tran, Linda Zhang, Ryuhei Sato, Yusuke Hashimoto, Yusuke Ohashi, Toyoto Sato, Kiyoe Konno, Shin-ichi Orimo, Hao Li2026-04-14🔬 cond-mat.mtrl-sci

EnScale: Temporally-consistent multivariate generative downscaling via proper scoring rules

Il paper introduce EnScale, un framework di machine learning generativo efficiente e multivariabile che, ottimizzato tramite regole di punteggio adeguate, supera i limiti computazionali dei modelli climatici regionali producendo proiezioni ad alta risoluzione, spazialmente e temporalmente coerenti per l'Europa centrale.

Maybritt Schillinger, Maxim Samarin, Xinwei Shen, Reto Knutti, Nicolai Meinshausen2026-04-13📊 stat

Variational Dimension Lifting for Robust Tracking of Nonlinear Stochastic Dynamics

Questo articolo propone un framework di "dimensional lifting" variazionale che trasforma modelli di stato non lineari stocastici in sistemi lineari gaussiani di dimensione superiore, consentendo l'uso di tecniche di inferenza standard per ottenere un tracciamento robusto e accurato senza le instabilità strutturali dei filtri convenzionali.

Yonatan L. Ashenafi2026-04-13📊 stat

New Deep Learning Data Analysis Method for PROSPECT using GAPE: Genetic Algorithm Powered Evolution

Questo articolo propone il metodo GAPE (Genetic Algorithm Powered Evolution) per ottimizzare le reti neurali nell'analisi dei dati dell'esperimento PROSPECT, ottenendo stime di energia e posizione superiori e migliorando il rapporto segnale-rumore di circa 2,8 volte grazie a una strategia di addestramento specifica che mitiga i bias temporali.

M. Adriamirado, A. B. Balantekin, C. Bass, O. Benevides Rodrigues, E. P. Bernard, N. S. Bowden, C. D. Bryan, T. Classen, A. J. Conant, N. Craft, A. Delgado, G. Deichert, M. J. Dolinski, A. Erickson, M (…)2026-04-13⚛️ hep-ex

Inherited or produced? Inferring protein production kinetics when protein counts are shaped by a cell's division history

Questo studio dimostra che, per inferire accuratamente la cinetica di produzione proteica in cellule in divisione dove l'ereditarietà rende inapplicabili i metodi tradizionali, è necessario utilizzare flussi normalizzanti condizionali, rivelando così che il gene *glc3* nel lievito è prevalentemente inattivo in condizioni di stress con attivazioni brevi e transitorie.

Pedro Pessoa, Juan Andres Martinez, Vincent Vandenbroucke, Frank Delvigne, Steve Pressé2026-04-10🧬 q-bio

Capturing Unseen Spatial Heat Extremes Through Dependence-Aware Generative Modeling

Il modello generativo DeepX-GAN supera i limiti dei dati storici per simulare eventi di calore estremi "invisibili" e spazialmente dipendenti, rivelando che le nazioni più vulnerabili del Medio Oriente e del Nord Africa affrontano rischi sproporzionati che richiederanno una pianificazione adattiva di fronte al riscaldamento globale.

Xinyue Liu, Xiao Peng, Shuyue Yan, Yuntian Chen, Dongxiao Zhang, Zhixiao Niu, Hui-Min Wang, Xiaogang He2026-04-10📊 stat

Introduction to Symbolic Regression in the Physical Sciences

Questo articolo introduce il numero speciale sulla regressione simbolica nelle scienze fisiche, delineandone i fondamenti concettuali, le applicazioni pratiche, le sfide metodologiche e le prospettive future, con l'obiettivo di evidenziare il suo crescente ruolo nella scoperta di relazioni matematiche interpretabili dai dati.

Deaglan J. Bartlett, Harry Desmond, Pedro G. Ferreira, Gabriel Kronberger2026-04-10🔭 astro-ph

Linear Response and Optimal Fingerprinting for Nonautonomous Systems

Questo lavoro stabilisce un legame tra la teoria della risposta lineare, le misure di pullback e il metodo di ottimizzazione delle impronte digitali per sistemi non autonomi, derivando nuove formule per processi stocastici dipendenti dal tempo e dimostrando la loro efficacia nel prevedere l'impatto dei forzanti e nell'attribuire le anomalie climatiche in stati di riferimento non stazionari.

Valerio Lucarini2026-04-10🌀 nlin

← Precedente Successivo →