Increasing trends in the severity of Australian fire weather conditions over the past century
この論文は、1876 年から 2011 年までの再解析データを用いた新たな手法により、オーストラリアの火災危険度指数（FFDI）が過去 1 世紀にわたって全体的に増加傾向にあり、その主因は人間活動に起因する気候変動による気温上昇と湿度低下であることを明らかにしたものである。
🔬 Category
physics.data-an
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。
Observable Optimization for Precision Theory: Machine Learning Energy Correlators
本論文は、機械学習を用いたシミュレーション推論によって頂クォーク質量の感度を最大化するエネルギー相関関数の最適化を行い、最終的に高精度理論計算と直接比較可能な「二等辺三角形（直角三角形）」という新しい観測量を導出したことを報告しています。
Enhancing Neutrinoless Double-Beta Decay Sensitivity of Liquid-Xenon Time Projection Chamber with Augmented Convolutional Neural Network
XENONnT 実験のシミュレーションおよび較正データを用いて開発された拡張畳み込みニューラルネットワーク（A-CNN）モデルは、背景事象を 60% 以上低減しつつ信号を 90% 保持することで、液体キセノン検出器におけるニュートリノレス二重ベータ崩壊探索の感度を約 40% 向上させることを示しました。
Beyond the Central Limit: Universality of the Gamma Distribution from Padé-Enhanced Large Deviations
この論文は、正の値をとる確率変数の和が中心極限定理のガウス分布ではなく、正の制約を反映したパデ近似を用いた大偏差理論から自然に導かれるガンマ分布として普遍的に現れることを示し、その多分野にわたる普遍性のメカニズム非依存な説明を提供するものである。
Searching for Anomalies with Foundation Models
CMS 実験データにおける大規模な OmniLearned 基盤モデルを用いた異常検出調査において、検証領域では背景推定がデータと一致するものの信号領域では不整合が見られたため、これらの事象と手法のさらなる精査が呼びかけられています。
Ising noise filter: physics-informed filtering for particle detectors
本論文は、粒子検出器における背景ノイズの早期抑制を目的として、物理情報に基づく相互作用カーネルを用いたイジングモデルのエネルギー最小化アプローチ「イジングノイズフィルタ」を提案し、バイカル-GVD 中微子望遠鏡や NICA コライダーの SPD 検出器などでの高い性能を実証したものである。
Learning Response-Statistic Shifts and Parametric Roll Episodes from Wave--Vessel Time Series via LSTM Functional Models
本論文は、LSTM 関数モデルを用いて波浪と船体運動の時系列データからパラメトリック・ロール現象およびその統計的変化を学習するデータ駆動型代理モデルを開発し、設計段階や実験データを用いた学習が可能であることを示すとともに、損失関数の選択が平均誤差とリスク評価に重要な尾部の精度とのトレードオフに影響を与えることを実証しています。
Short-Term Turbulence Prediction for Seeing Using Machine Learning
この論文は、歴史的な視界データのみを用いて大気揺らぎを予測する機械学習モデルを比較検討し、予測精度と不確実性の定量化の両面で優れる確率的深層学習手法「FloTS」を提案している。
LArTPC hit-based topology classification with quantum machine learning and symmetry
本論文は、量子機械学習（特に回転対称性を組み込んだ量子拡張畳み込みニューラルネットワーク）を用いて、液体アルゴン時間投影箱（LArTPC）実験におけるニュートリノ事象の軌道状とシャワー状のトポロジを分類する新しい手法を提案し、パラメータ数が同程度であれば古典モデルより高性能であるが、パラメータ数が桁違いに多い古典モデルには及ばないという結果を示したものである。
The dynamical memory of tidal stellar streams: Joint inference of the Galactic potential and the progenitor of GD-1 with flow matching
本論文では、Flow Matching とシミュレーションベース推論を組み合わせ、GD-1 星流の相空間データから銀河の重力ポテンシャルと progenitor（元となる天体）の性質を同時に推定する新しい完全ベイズ的枠組みを提案し、従来の手法では捉えにくかった潮汐剥離ダイナミクスと背景ポテンシャルの複雑な依存関係を成功裡に再現したことを示しています。