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。
本研究は、機械学習力場を活用した面分解吸着エネルギー分布フレームワークを導入し、多様な合金表面における140万の吸着サイトを解析することで、CO水素化反応において活性とメタノール選択性の両方を最適化する特定の組成と配向を同定するものである。
本論文は、関心のある量を正確に予測するために最小かつ高価値の訓練データを選択する際にフィッシャー情報行列を活用する、スケーラブルで凸最適化に基づく情報マッチング手法を提示し、これにより多様な科学モデリングおよび能動学習応用におけるデータ不足とパラメータの非識別性の問題に対処する。
本論文は、単一の閉じ込めイオンを用いた量子第一到達時間分布（QFPTD）の最初の実験的測定を報告し、古典的な対応物との明確な関連を確立するとともに、量子力学、探索アルゴリズム、および測定問題の調査に対する新たな道を開くものである。
本研究はパルサータイミングアレイデータに対してベイズの留め置き交差検証を適用して超大質量ブラックホール連星進化の4 つのモデルを比較し、現在の証拠は他のモデルに対して単一のモデルを決定的に支持するものではないが、データは汎用的な環境硬化シナリオとまだ区別できないものの、超軽量暗黒物質に起因する低周波数抑制を支持することを明らかにした。
本論文は、経験的に再構成されたドリフト項と拡散項を備えたランジュバン型方程式を用いて分極化されたトピックにおける現実世界の世論動態を正確に記述する、縦断的ソーシャルメディアデータから導出された初のデータ駆動型連続時間確率モデルであるD-MODDを紹介する。
本論文は、最大エントロピー介入の下で多変量因果的影響を一意成分と相乗的構成要素に分解する新たな介入主義的枠組みである部分有効情報分解（PEID）を導入し、それによって複雑系における相乗的因果、下方因果、および解釈可能な因果構造の記述を可能にする。
本論文は、Point-Edge トランスフォーマー・アーキテクチャと高エネルギー物理学からの知識転移を活用し、最小限の微調整と極めて高速な推論で卓越した性能を達成する、小分子向けの最先端の機械学習型原子間ポテンシャル「OmniMol」を紹介する。
本論文は、潜在空間検索結果を物理的起源およびメタデータにリンクさせることで、大規模な気象・気候データの埋め込み表現を解釈・検証・探索することを可能にするオープンソースの視覚分析ワークベンチを提示し、これにより熱帯低気圧などの類似事象の特定と検索のための発見ワークフローを促進する。
本論文は、高曲率振動に起因するコルモゴロフ・アルノルドネットワーク（KAN）の解釈性課題に対処するため、適用時に予測精度を犠牲にすることなくモデルの活性化を大幅に滑らかにする新規の基底非依存曲率ペナルティを導出する。
本論文は、応答関数観測量を用いて訓練された畳み込みニューラルネットワークを活用する機械学習フレームワークを導入し、一般相対性理論の検証に向けた重力波信号の分類を大幅に向上させ、標準的な波形入力に対して感度を33倍改善するとともに、大質量重力理論における偏差の検出に成功したものである。