316 件の論文
物理学のデータ分析分野は、膨大な実験データやシミュレーション結果から新たな法則や現象を読み解く、現代物理学の重要な基盤です。Gist.Science では、arXiv から公開されるこの分野の最新プレプリントを網羅的に収集し、専門用語に頼らない平易な解説と、技術的な詳細を両方備えた要約を即座に提供しています。これにより、研究者だけでなく、物理学の進展に興味を持つ一般の方々も、最先端の知見に容易にアクセスできるようになります。
私たちの取り組みは、複雑な数式や統計手法の背後にある核心的な発見を、誰もが理解できる形に変えることにあります。arXiv 上で公開される新しい論文一つひとつを丁寧に処理し、その価値を最大限に引き出すことで、科学の民主化を推進します。以下に、この分野の最新研究論文の一覧を示します。
本論文は、指数関数的な確率的成長と変則的線形優先的選択（vari-linear preferential attachment）を組み合わせることで、従来のモデルでは困難だった低次数領域の再現性と普遍性を両立し、実世界の多様なネットワーク構造をより正確かつ統合的に生成できる新しいネットワーク生成モデルを提案しています。
本論文は、パーコレーションモデルを用いた長距離相関を持つランダム行列において、相関の減衰指数 が固有値分布や尖度に与える影響を解析し、統計的性質が変化する臨界点 を含む新たなスペクトル領域を明らかにしたものです。
本論文は、欠損データを含む格子状データに対し、境界条件を考慮したスペクトル演算（DCTやRFFT）を用いることで、境界アーティファクトを抑制しつつ局所的な統計量（平均・分散等）を安定して算出する手法を提案しています。
本論文は、FCC-ee における ZH 過程および Vector boson fusion 過程を包括的に解析し、Higgs 粒子の主要なハドロン崩壊モード（）の断面積と分岐率の積をパーセントからパーミルレベルの精度で決定するとともに、 崩壊の検出を通じてストレンジクォークのユーカワ結合の証拠を初めて得る可能性を示したものである。
この論文は、新しいシミュレーション信号ベンチマークとエネルギーフロー多項式を含む高次元かつモデルに依存しない観測量セット（「キッチンシンク」）を提案し、これらが広範な信号タイプに対して最も高い異常検出感度を示すことを実証するとともに、観測量のランダム部分集合を用いたアトリビュートバギングにより訓練コストを大幅に削減できることを示しています。
この論文は、2023 年に発見された最初の非周期的単一タイルであるスミス・ハットタイル（1, ）のサイトおよび結合パーコレーションにおける臨界閾値 を、モンテカルロシミュレーションを用いて特定したものである。
E3SMv2 の雲なし条件下におけるモーダルエアロゾル微物理過程のシミュレーションにおいて、科学的機械学習エミュレータの設計選択（アーキテクチャの複雑さや変数の正規化など）が収束と精度に決定的な影響を与えることを実証し、より複雑なエアロゾル過程や大気物理学の模倣に向けた実践的な指針を提供しています。
東京証券取引所の注文・執行データに動的ネットワーク指標（DNM）理論を適用し、市場参加者の取引活動から大規模な価格変動の早期警告信号を日次スケールで検出可能であることを示しました。
この論文は、二部依存ネットワークにおいて特定の貢献者の削除が最も多くのアイテムを孤立させる「CriticalSet問題」を定式化し、その NP 困難性と標準的な貪欲法では近似保証が得られないことを示した上で、シャープレー値に基づく中心性指標「ShapleyCov」を導出し、線形時間で実行可能な反復ピールングアルゴリズム「MinCov」を提案して、大規模実データ上でもほぼ最適解を高速に達成できることを実証しています。
本論文は、科学機械学習における解釈性の定義を、単なる数学的疎性ではなくメカニズムの理解に重点を置くよう再考し、物理科学における解釈性の明確化がデータ駆動型の科学の未来を実現する上で不可欠であると論じています。