Dara: Automated multiple-hypothesis phase identification and refinement from powder X-ray diffraction
本論文は、粉末 X 線回折データからの多相同定と精密化を自動化し、複数の仮説を生成して人間の専門家の判断や追加分析を支援する新フレームワーク「Dara」を紹介するものである。
🔬 Category
physics.data-an
261 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。
Basis Function Dependence of Estimation Precision for Synchrotron-Radiation-Based Mössbauer Spectroscopy
本論文では、ベイズ推定を導入してシンクロトロン放射線を用いたモッスバウアー分光の測定窓を最適化する方法を提案し、従来のローレンツ関数による単純なフィッティングと比較して中心シフトの推定精度を 3 倍以上向上させたことを報告しています。
Assimilative Causal Inference
この論文は、複雑で高次元なシステムにおける瞬時的かつ時間変化する因果関係を、観測された結果から原因を遡るベイズデータ同化に基づく「同化的因果推論（ACI）」という新たな枠組みを開発し、候補となる原因の観測なしに動的な因果相互作用を特定し、オンラインで因果役割を追跡できることを示しています。
Amortized Inference of Multi-Modal Posteriors using Likelihood-Weighted Normalizing Flows
本論文は、尤度重み付き重要サンプリングを用いた正規化フローを提案し、事前事後分布サンプルを必要とせずに高次元逆問題の効率的な推論を可能にする一方で、標準的な単一モードの基底分布では多モーダルな事後分布の不連続な支持領域を正確に捉えられないため、ターゲットのモード数に一致するガウス混合モデルで初期化することが推論精度の向上に不可欠であることを示しています。
CNN on `Top': In Search of Scalable & Lightweight Image-based Jet Taggers
この論文は、Transformer や標準的な GNN に比べて計算コストが低く、かつトップクォーク・ジェット識別において競争力のある性能を発揮する、軽量かつスケーラブルな EfficientNet アーキテクチャとグローバル特徴量の組み合わせの有効性を示しています。
A simple tool for weighted averaging of inconsistent data sets
この論文は、不整合なデータセットの重み付き平均を扱う際、ベイズ統計に基づくシヴィア（Sivia）の手法を用いて外れ値やばらつきを効果的に処理し、その汎用性と堅牢性を検証するとともに、実装を容易にするための Python ライブラリを提供するものである。
Hyperbolic embedding of multilayer networks
この論文は、異質なノード集合や層間接続を有するマルチレイヤネットワークの構造を保存し、層固有の埋め込みとグローバルな構造の両方を同時に表現できる新しい双曲空間埋め込みフレームワークを提案し、合成データおよび脳ネットワークの実データを用いた実験でその有効性を示しています。
GollumFit: An IceCube Open-Source Framework for Binned-Likelihood Neutrino Telescope Analyses
本論文では、ニュートリノ望遠鏡のデータ、特にアイスキューブ観測所のデータに対して、数十のノイズパラメータを含むバインデッド尤度解析を時間効率的に実行するためのオープンソースフレームワーク「GollumFit」の概要、構成、および性能を提示している。
A Practical Guide to Unbinned Unfolding
この論文は、近年の機械学習を用いた非ビン化アンフォールディング手法の実践的なガイドラインを、複数の主要な素粒子実験の研究者が実データへの適用経験に基づいて提供したものである。
Lepton energy scale and resolution corrections based on the minimization of an analytical likelihood: IJazZ2.0
本論文では、Drell-Yan 事象におけるレプトンのエネルギー較正と分解能補正を、ランダム数を用いない完全な解析的尤度最大化手法（IJazZ2.0）によって効率的かつ高精度に決定する新規手法を提案し、その有効性を検証した。