Estimating Detector Error Models on Google's Willow
この論文は、デコーダを使用せずにシンドロームから検出器誤りモデル（DEM）を推定するアルゴリズムを確立し、Google の Willow チップ（72 量子ビットおよび 105 量子ビット）への適用を通じて、モデルの精度向上、長距離相関の発見、および放射線事象などの未解明のアーティファクトの特定を実現したことを報告しています。
🔬 Category
physics.data-an
327 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。
Bayesian Hierarchical Models and the Maximum Entropy Principle
この論文は、ハイパーパラメータに条件付けた事前分布が最大エントロピー分布（canonical distribution）である場合、ハイパーパラメータを積分して得られるパラメータの周辺事前分布も、未知量の関数の周辺分布に関する異なる制約のもとで最大エントロピー性を満たすことを示し、階層モデルを割り当てる際に仮定されている情報の本質を明らかにするものである。
A mapping-based projection of detailed kinetics uncertainty onto reduced manifolds
本論文は、詳細な化学反応速度パラメータの不確実性を低次元多様体上の量へ効率的に投影する二段階フレームワークを開発し、複雑な燃焼シミュレーションにおいて混合や滞留時間などの物理的要因に起因する化学的不確実性の空間分布を定量化する手法を提案しています。
Enhancing Reconstruction Capability of Wavelet Transform Amorphous Radial Distribution Function via Machine Learning Assisted Parameter Tuning
本論文は、機械学習によるパラメータ最適化手法を導入して波動関数ラジアル分布関数（WT-RDF）の振幅精度を向上させた「WT-RDF+」フレームワークを開発し、Ge-Se および Ag-Ge-Se 系アモルファス材料の原子構造再構成において、従来の機械学習モデルを上回る性能を実現したことを報告しています。
New techniques to investigate the AGN-SF connection with integral field spectroscopy
この論文は、積分場分光データを用いて活動銀河核と星形成を分離する新しい手法を開発し、エッジトン比と星形成率の間に中程度の相関があることを示すことで、活動銀河核と星形成の関係を解明する新たな道筋を提示しています。
Physics-based signal analysis of genome sequences: GenomeBits overview
本論文は、離散フーリエ変換や量子力学の概念を応用した物理学ベースの解析手法「GenomeBits」の概要と、SARS-CoV-2 やマラプックスウイルスのゲノム配列における変異パターンや秩序・無秩序転移などの特徴を抽出するその有用性を包括的に解説したものである。
Leveraging chaotic transients in the training of artificial neural networks
この論文は、学習率を意図的に大きく設定することで勾配降下法が「探索と利用のバランス」を取る過渡的カオス領域に遷移し、初期条件への敏感な依存性（正の最大リアプノフ指数）を示しながらも、MNIST などの多様なタスクやアーキテクチャにおいてテスト精度への収束時間を最小化し、人工ニューラルネットワークの学習を加速できることを示しています。
A Thermodynamic Structure of Asymptotic Inference
この論文は、標本サイズとパラメータ分散を状態空間の座標とし、シャノン情報をエントロピーに相当させる熱力学的枠組みを構築することで、推論過程における最適経路や効率限界を記述し、推論物理学とアンサンブル物理学が統合された熱力学記述における逆方向の影のプロセスとして捉えられることを示しています。
GNN For Muon Particle Momentum estimation
この論文は、CMS 実験のトリガー効率向上に向けた粒子運動量推定タスクにおいて、グラフニューラルネットワーク（GNN）が TabNet などの従来モデルより Mean Absolute Error において優れており、ノード特徴量の次元が効率に重要であることを示しています。
Learning the Standard Model Manifold: Bayesian Latent Diffusion for Collider Anomaly Detection
この論文は、質量の非相関や潜在空間の正則化といった物理的制約を明示的に組み込んだベイズ潜在拡散モデルを提案し、LHC ジェットデータのシミュレーションにおいて、不確実性の推定と物理的一貫性を両立させることで、新物理探索に向けた信頼性の高い異常検知手法の構築に貢献することを示しています。