Mapping Inter-City Trade Networks to Maximum Entropy Models using Electronic Invoice Data
ブラジル・セアラ州の電子請求書データ（約37億件）を用いた都市間の貿易ネットワーク分析により、コミュニティ検出、比較優位（RCA）の特定、および最大エントロピーモデルを用いた解析を通じて、各経済圏が「臨界点」に近い状態で高い経済的結束性を持って機能していることを明らかにしています。
🔬 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。
Poisson Log-Normal Process for Count Data Prediction
本論文は、ガウス過程を用いてポアソン対数正規分布をモデル化することで、従来のパラメトリック手法では困難だった複雑な非線形依存関係を持つカウントデータ（整数値データ）の予測や、背景ノイズからの微弱な信号検出を非パラメトリックに行う新手法「PoLoN」を提案しています。
Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent
本論文は、無限幅の2層ニューラルネットワークにおける大バッチ確率的勾配降下法のダイナミクスを、テンソルプログラムと特異摂動論を用いた「高速・低速な時間スケール」の解析によって解明し、特徴量の忘却（feature unlearning）が発生するメカニズムと条件を理論的・数値的に明らかにしたものです。
DerivKit: stable numerical derivatives bridging Fisher forecasts and MCMC
DerivKitは、自動微分が困難なモデルに対しても安定した数値微分を提供することで、高速なフィッシャー情報行列による予測と計算負荷の高いMCMCサンプリング手法を、高次近似（DALI）を通じて橋渡しするPythonパッケージです。
Under-coverage in high-statistics counting experiments with finite MC samples
本論文は、高統計量の計数実験においてさえ、系統誤差をモデル化するために使用される有限のモンテカルロ・サンプルサイズが、プロファイル尤度比による信頼区間の標準的な漸近近似の破綻を引き起こし、結果として系統的な過小被覆をもたらすことを示している。
Almanac: MCMC-based signal extraction of power spectra and maps on the sphere
Almanacは、ハミルトニアンモンテカルロ法に基づくフレームワークであり、ノイズを含む複数の赤方偏移ビンにわたる宇宙論的観測から、ノイズのない全天マップとその対応するパワースペクトルを抽出することで、$EB$リークのような問題を回避し、系統誤差や新物理のロバストな診断を可能にするモデルに依存しない事後データプロダクトを提供する。
The Galaxy Bias Profile of Cosmic Voids:A Comparison of Void Finders
本研究は、IllustrisTNGシミュレーションに適用された5つの異なるボイド検出アルゴリズムを比較することで、宇宙ボイド内における個々の銀河バイアスの径方向勾配はロバストな特徴である一方で、アンチバイアスな銀河の具体的な選択や高バイアスな境界銀河による汚染は、採用されるボイドの定義や密度閾値に大きく依存することを示す。
MoreFit: A More Optimised, Rapid and Efficient Fit
本論文は、ジャストインタイム・コンパイルされた計算グラフ、新規の自動最適化、およびヘテロジニアスなバックエンド（OpenCLおよびLLVM/Clang）を活用することで、多様なハードウェアプラットフォームにわたって優れた速度と効率性を実現する、素粒子物理学におけるアンビンニング最大尤度パラメータ推定のための高性能フレームワークであるMoreFitを導入するものである。
Sensitivity to New Physics Phenomena in Anomaly Detection: A Study of Untunable Hyperparameters
本論文は、標準模型を超える物理の探索における調整不可能なハイパーパラメータに対する4つの半教師あり異常検知手法の感度を体系的に評価し、統計的評価のためのロバストで非パラメトリックな置換検定を提案するものである。
Bayesian Transfer Operators in Reproducing Kernel Hilbert Spaces
本論文は、ガウス過程回帰と動的モード分解を統合することで、カーネルベースのクープマン作用素手法におけるスケーラビリティとハイパーパラメータ最適化の課題に対処し、それによって非線形動的システムのモデリングにおける計算効率とノイズ耐性を向上させるものである。