Analog-based ensembles to characterize turbulent dynamics from observed data
観測データから再構成された位相空間におけるアナログ状態の集合を用いることで、分散の時間依存性は共分散構造によって、初期分離の影響は間欠性によって支配されることを示す手法を提案し、実験的乱流速度測定と確率過程の解析を通じてこれを検証した。
🔬 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。
Agents of Discovery
本論文は、大規模言語モデル（LLM）を専門タスクに特化したエージェントとして連携させることで、素粒子物理学の異常検出タスクにおいて人間の最先端結果に匹敵する分析を自動化できる可能性を実証したものである。
Eigenvector Geometry as a New Route to Criticality in Random Multiplicative Systems
この論文は、非正規行列における固有ベクトルの非直交性（条件数）が過渡的な増幅を引き起こし、従来のケステン過程とは異なるメカニズムで多変量ランダム乗法系に普遍的なべき則分布と臨界現象を生み出すことを明らかにしたものである。
GPS constellation search for exotic physics messengers coincident with the binary neutron star merger GW170817
本研究は、連星中性子星合体 GW170817 と同時に発生した可能性のあるエキゾチックな低質量場を、GPS 衛星の原子時計データを用いた後方解析で探索し、検出されなかったことから、特定のエネルギー範囲における既存の天体物理学的・重力テストの制約を凌ぐ相互作用エネルギースケールの下限値を導出したことを報告するものである。
Deep Learning for Point Spread Function Modeling in Cosmology
この論文は、暗黒エネルギー研究における弱い重力レンズ分析の精度向上を目指し、HSC の恒星画像を用いたオートエンコーダーとガウス過程を組み合わせた深層学習フレームワークを開発し、従来の PIFF 法よりも高い精度で望遠鏡の全視野にわたる点像分布関数（PSF）を再構築する手法を提案しています。
Neural Scaling Laws for Boosted Jet Tagging
本論文は、ジェットタグgingタスクにおけるニューラルスケーリング則を JetClass データセットを用いて検証し、計算リソースの増大が性能の漸近限界への収束を促すこと、シミュレーションコスト制約下でのデータ反復が実質的なデータセット規模の増大に寄与すること、そして低レベルの表現力豊かな特徴量を用いることで性能限界を向上させられることを示しています。
Potential-energy gating for robust state estimation in bistable stochastic systems
本研究は、二重井戸型確率力学系における状態推定のロバスト性を向上させるため、ポテンシャルエネルギーの局所値に基づいて観測ノイズ共分散を動的に調整する「ポテンシャルエネルギーゲーティング」という手法を提案し、その有効性を数値シミュレーションおよび北極氷床コアデータへの適用を通じて実証したものである。
Exploring the BSM parameter space with Neural Network aided Simulation-Based Inference
本論文は、ニューラルネットワークを活用したシミュレーションベース推論（SBI）手法、特に Neural Posterior Estimation (NPE) が、高次元かつ複雑な制約を持つ超対称性モデル（pMSSM）のパラメータ空間探索において、従来の MCMC 法よりも効率的かつ正確に事後分布を推定できることを示しています。
Non-parametric finite-sample credible intervals with one-dimensional priors: a middle ground between Bayesian and frequentist intervals
この論文は、完全なベイズ法と頻度論的アプローチの中間に位置し、高次元事前分布を必要とせず非パラメトリックな問題に対処できる新しい有限サンプル信頼区間を提案し、その具体的な実装と漸近的性質を論じています。
When Stein-Type Test Detects Equilibrium Distributions of Finite N-Body Systems
この論文は、有限 N 体系の平衡分布（ハヴルダ・チャルヴァート・エントロピーを最大化する分布）を特徴付ける微分作用素と対称ヤコビ多項式を用いたスティーン型適合度検定を構築し、有限粒子数における非ガウス性の速度分布を正確に検出する実用的な手法を提案しています。