Network Reconstruction via Jeffreys Prior under Missing Sufficient Statistics
この論文は、ブロック構造の密度データが欠落している状況下でも、Jeffreys 事前分布を用いて最も偏りのない解を平均化することで、従来のフィッティネスモデルやより多くの情報を用いるブロック構造モデルを上回る精度で経済ネットワークを再構築する手法を提案し、国際貿易データを用いてその有効性を検証したものである。
🔬 Category
physics.data-an
316 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。
Composition Design of Shape Memory Ceramics based on Gaussian Processes
ジルコニア系形状記憶セラミックスの組成設計にガウス過程機械学習を適用して低ヒステリシス組成を探索したが、金属合金で有効な設計基準がセラミックスには必ずしも通用せず、より効果的なドーパントの検討が必要であることが示された。
Better Together: Cross and Joint Covariances Enhance Signal Detectability in Undersampled Data
ランダム行列理論を用いた本研究は、高次元データの共有信号検出において、自己共分散行列よりも結合共分散行列や相互共分散行列の方がノイズ下でも早期に信号を再構成できることを示し、変数間の次元の不一致に応じて最適な手法を選択する指針を提供しています。
GPU-Accelerated Sequential Monte Carlo for Bayesian Spectral Analysis
この論文は、GPU 並列化された逐次モンテカルロ法を用いてベイズ的スペクトル解析の計算コストを大幅に削減し、CPU 並列の手法と比較して 500 倍以上の高速化を実現したことを報告しています。
Toward Artificial Intelligence Enabled Earth System Coupling
この論文は、人工知能（AI）の最新技術が地球システム内の異なる領域間の相互作用を強化し、統合的な地球システムモデルの構築を可能にする新たな機会と課題についてレビューするものである。
PATHFINDER: Multi-objective discovery in structural and spectral spaces
この論文は、単一の最適化に偏らず構造・分光・測定空間を横断して新奇な状態を発見しつつ最適化を行う自律顕微鏡用フレームワーク「PATHFINDER」を提案し、既存の手法では見過ごされがちな科学的に重要な状態の探索を可能にするものである。
Replacing Gaussian Processes with Neural Networks in Pulsar Timing Array Inference of the Gravitational-Wave Background
この論文は、パルサータイミングアレイにおける重力波背景のベイズ推定において、計算コストの高いガウス過程の代わりに確率的ニューラルネットワークを使用することで、事後分布を維持しつつ訓練および MCMC 実行時間を大幅に短縮できることを実証しています。
Policy heterogeneity improves collective olfactory search in 3-D turbulence
乱流環境における嗅覚探索において、探索と利用のバランスを個体レベルではなく集団レベルで多様な戦略（探索的・利用的エージェントの混在）によって調整することが、均一な群れよりも効率的に源に到達できることを、数値シミュレーションを通じて示しました。
Size-structured populations with growth fluctuations: Feynman--Kac formula and decoupling
この論文は、内部変数の変動による成長を伴うサイズ構造化集団モデルにおいて、Feynman-Kac 公式を用いて系統と集団の両方における変数の分離条件を導き、分離が生じる場合の成長均質化変換や、より一般的な質量重み付き表現型分布の解釈を明らかにするものである。
Neural posterior estimation for scalable and accurate inverse parameter inference in Li-ion batteries
この論文は、リチウムイオン電池の逆問題推定において、ベイズ較正に匹敵またはそれ以上の精度を持ち、計算コストを大幅に削減してリアルタイム応用を可能にするニューラル事後推定（NPE）手法を提案し、実験データを用いてその有効性と解釈可能性を実証したものである。