Physics-informed neural operators for the in situ characterization of locally reacting sound absorbers
この論文は、音圧と粒子速度の近接場測定データから物理情報に基づくニューラル演算子を用いて、ノイズやモデル不確実性に強く、かつ明示的な前方モデルを必要とせずに局所反応型吸音材の周波数依存表面アドミタンスを直接推定する手法を提案し、その有効性を検証したものである。
🔬 Category
physics.data-an
257 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。
In situ estimation of the acoustic surface impedance using simulation-based inference
本論文は、現代のニューラルネットワークを活用したシミュレーションベース推論を用いたベイズ枠組みを提案し、室内の音圧測定データから実環境における周波数依存の音響表面インピーダンスを高精度かつ不確実性を定量化しながら推定する手法を開発したものである。
Fast reconstruction-based ROI triggering via anomaly detection in the CYGNO optical TPC
本論文は、CYGNO 光 TPC のリアルタイムデータ選別において、教師なしの畳み込みオートエンコーダを用いてペデスタル画像のみから学習し、信号の 93% を保持しつつ画像面積の 98% を削減する高速な関心領域（ROI）抽出手法を提案し、その有効性とトレーニング目的の重要性を実証したものである。
Training on Data Analysis Reproducibility via Containerization with Apptainer
この論文は、高エネルギー物理学および原子核物理学の研究者に対し、Apptainer によるコンテナ化技術を用いた分析の再現性向上を目的としたトレーニング教材とリソースを紹介しています。
Resolving Single-Peptide Phosphorylation Dynamics in Plasmonic Nanopores using Physics-Informed Bi-Path Model
この論文は、単一ペプチドのリン酸化動態を解明するために、プラズモニックナノ pores と時空間深層学習を統合した物理情報に基づく双経路モデルを開発し、背景ノイズや信号の確率的変動を克服して高忠実度な単一分子リン酸化検出を実現したことを報告しています。
The Non-Gaussian Weak-Lensing Likelihood: A Multivariate Copula Construction and Impact on Cosmological Constraints
この論文は、コピュラ手法を用いて弱重力レンズ観測の非ガウス性を取り入れた尤度関数を構築し、その影響を調査した結果、現在の次世代広域調査ではガウス近似で十分であるが、より小規模な調査ではパラメータ推定に有意なシフトが生じる可能性を示しました。
Maximum likelihood estimation of burst-merging kernels for bursty time series
本論文では、バースト性を持つ時系列データの階層的構造を記述するバースト結合カーネルの推定法として最大尤度法を開発し、モデルデータおよび実データへの適用を通じて、時系列データの背後にあるメカニズムをより正確に解明するための有用な手法を提示している。
FluxMC: Rapid and High-Fidelity Inference for Space-Based Gravitational-Wave Observations
本論文は、機械学習と並列温度 MCMC を統合した「FluxMC」という新しい推論フレームワークを提案し、宇宙重力波観測における高忠実度モデルの解析において、従来の手法が直面する計算コストと局所最適解への陥入という課題を解決し、数時間での高精度な収束を実現したことを示しています。
Better Together: Cross and Joint Covariances Enhance Signal Detectability in Undersampled Data
ランダム行列理論を用いた本研究は、高次元データの共有信号検出において、自己共分散行列よりも結合共分散行列や相互共分散行列の方がノイズ下でも早期に信号を再構成できることを示し、変数間の次元の不一致に応じて最適な手法を選択する指針を提供しています。
Toward Artificial Intelligence Enabled Earth System Coupling
この論文は、人工知能（AI）の最新技術が地球システム内の異なる領域間の相互作用を強化し、統合的な地球システムモデルの構築を可能にする新たな機会と課題についてレビューするものである。