Decomposition of Anomalous Diffusion in two-state random walks
本論文は、連続時間ランダムウォークの静止状態とレヴィウォークの運動状態の間を切り替える二状態ランダムウォークが、ジョセフ効果、ノア効果、およびモーセスの効果の一般的な共存を示すことを実証しており、CTRW相との確率的な結合が、レヴィウォーク単独ではジョセフ効果のみを有するシステムにおいて、重い裾を持つ増分とエイジングを根本的に誘発し得ることを明らかにしている。
🔬 Category
physics.data-an
252 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 estimation of spectral parameters of the 6.7-GHz methanol maser G339.884-1.259 from GRAO observations
本論文は、ガーナ電波天文学観測所による6.7 GHzメタノールメーザーG339.884−1.259の観測データを解析するために、マルコフ連鎖モンテカルロ法を用いたベイズ的スペクトル分解フレームワークを提示し、ボイト・プロファイル・モデルが、7つの速度コヒーレント成分の解像および不確実性の定量化において、従来のガウス型およびローレンツ型のアプローチよりも優れていることを実証するものである。
Proton High-Order Cumulants in Au+Au Collisions at High Baryon Density from JAM with a Centrality-Independent Framework
本研究は、JAMモデルおよび新規のセントラリティに依存しない真の累積量解析（CIGAR）フレームワークを活用して、高バリオン密度におけるAu+Au衝突における高次陽子累積量を系統的に解析しており、初期体積ゆらぎを効果的に排除し、スペクテーター効果を調査することで、QCD臨界点探索のための極めて重要な非臨界ベースラインを提供するものである。
Wasserstein normalized autoencoder for anomaly detection
本論文では、標準的なオートエンコーダに共通する外れ値による再構成の失敗を克服しつつ、CERNのLHCにおけるセミビジブル・ジェットを効果的に特定するために、訓練データと再構成誤差のボルツマン分布との間のワッサースタイン距離を最小化する新しい教師なし異常検知モデルである、Wasserstein正規化オートエンコーダ（WNAE）を導入する。
Generative Models and Statistical Validation
本論文は、高速なサロゲートモデルおよび密度推定のために物理学において用いられる現代的な生成ネットワークの枠組みを紹介するとともに、それらの正確性、精度、および統計的検定力を定量化する際の課題に対処するものである。
Model-Agnostic Signal Discovery with Machine Learning: Bridging the Gap Between Theory and Practice
本論文は、特定の理論的仮説よりも広範な探索を優先することによって複雑な科学的データの発見ポテンシャルを高めるよう設計された、AIベースのモデル非依存型探索手法の概念的枠組み、潜在的な落とし穴、および検証戦略をレビューするものである。
Towards Continuous-time Causal Foundation Models
本論文は、非結合観測による微細グリッド統合を通じて観測スケジュールに対する軌道法則不変性を保証する連続時間因果基盤モデルを提案し、多様な非線形ダイナミクスおよび不規則なデータシナリオにおいて、単純な統合手法を上回る性能を実証する。
Neural Scaling Laws for Jet Generation
本論文は粒子ジェット生成におけるニューラルスケーリング則を調査し、モデルサイズに対する対数スケーリングを確認するとともに、物理的精度の代理指標としての次のトークン予測損失を検証し、自己回帰学習における急速な飽和に起因するデータセットサイズおよび計算資源に対するスケーリング傾向の弱まりを観察する。
`pandemonium`: High Dimensional Analysis in Linked Spaces
本論文は、非線形次元削減やアニメーション・ツアーなどの連結可視化とクラスター分析を組み合わせることで、ニューラルネットワークの活性化や多変量物理モデルといった複雑なデータセットにおける予測変数と応答変数の関係を探索し、連結された空間における高次元分析を容易にするRパッケージ「pandemonium」を紹介する。
Inverse generalised spin models of answers to questionnaires
本論文は、順序尺度のアンケートデータを分析するための一般化スピンモデル（イジングモデル、ブルーメ・カペルモデル、ブルーメ・エメリー・グリフィスモデル）に対するモンテカルロ法に基づく推論プロトコルを導入・検証し、ブルーメ・エメリー・グリフィスモデルが多峰性や外れ値といった複雑な特徴を捉える際に従来のガウスアプローチを上回ることを示したが、すべてのモデルが重尾分布に対しては困難を抱えていることを明らかにした。