Accelerate Vector Diffusion Maps by Landmarks
本論文は、非一様なサンプリング密度に対処する新規の 2 段階正規化を導入し、ランドマーク制約を用いてベクトル拡散マップ（VDM）の計算を高速化するとともに、漸近的に接続ラプラシアンへの収束を保証する「LA-VDM」というアルゴリズムを提案し、その有効性をシミュレーションおよび画像ノイズ除去への応用を通じて実証しています。
🔬 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。
Learnability Window in Gated Recurrent Neural Networks
この論文は、重み付き勾配ノイズ下におけるリカレントニューラルネットワークの時間的学習可能性の限界を定量化する統計理論を構築し、ゲート機構と最適化アルゴリズムが形成する「有効学習率エンベロープ」の減衰特性が、サンプルサイズに応じた学習可能な時間的ホライズンのスケーリング則（対数、多項式、指数関数的）を決定づけることを示しています。
VecAmpFit: vectorized amplitude-analysis fitting library
Belle II 実験の振幅解析向けに開発された VecAmpFit は、明示的な勾配計算や複数データセットの同時フィッティングを可能にするベクトル化された振幅解析ライブラリです。
Detecting the 3D Ising model phase transition with a ground-state-trained autoencoder
この論文は、臨界温度やハミルトニアンなどの事前知識なしに基底状態の構成のみで学習した 3D 畳み込みオートエンコーダを用いて、3D イジングモデルの相転移を検出し、臨界温度や相関長の臨界指数などの非自明な臨界挙動を再現できることを示しています。
A complex network approach to characterize clustering of events in irregular time series
この論文は、不規則な時間系列におけるイベントのクラスタリングを、到着時刻に基づく複雑ネットワークの構築とコミュニティ検出アルゴリズムを用いて、個々のクラスタの動的特性を解明する新しい枠組みを提案し、標準的な過程から乱流中の液滴や心電図信号まで多様なシステムに適用してその有効性を示したものである。
ALABI: Active Learning for Accelerated Bayesian Inference
この論文は、計算コストの高いモデルに対するベイズ推論を、能動学習を用いてガウス過程の代理モデルを構築・改善することで、MCMC 計算を 10〜1000 倍高速化し、モデル評価回数を数千倍削減するオープンソース Python パッケージ「ALABI」を提案するものである。
Jet flavor tagging with Particle Transformer for Higgs factories
本論文は、IL D 検出器のシミュレーションデータを用いて Particle Transformer（ParT）を適用し、従来の BDT 法と比較して b/c ジェットタグging で 5〜10 倍の性能向上を実現し、さらに多変量粒子識別情報や大規模な統計量を活用することでストレンジクォークタグging やクォーク・反クォークの識別においても有望な結果を得たことを報告しています。
Distinguishing pairwise and higher-order interactions in coupled oscillators from time series
本研究は、適応型 LASSO に基づく手法を開発し、時間系列データから結合振動子におけるペアワイズおよび高次（3 体・4 体）相互作用を高精度に識別・推定できることを示し、合成データおよび人間の脳ネットワークデータへの適用を通じてその有効性を実証した。
Machine learning for the early classification of broad-lined Ic supernovae
この論文は、初期の光度データから導き出された新しいパラメータを用いた機械学習（ランダムフォレスト）が、稀な Ic-BL 型超新星の早期分類の精度を大幅に向上させ、将来的な観測キャンペーンの効率化に寄与することを示しています。
Quantum-Inspired Algorithms beyond Unitary Circuits: the Laplace Transform
本論文は、ユニタリ回路の制約を超えテンソルネットワークを用いて離散ラプラス変換を計算する量子インスパイアード手法を提案し、低結合次元への圧縮により従来の最速法を凌駕する高速化と大規模データ（ 以上）のシミュレーション実現を達成したことを報告しています。