Optimization-based Unfolding in High-Energy Physics
이 논문은 고에너지 물리학의 불폴딩 (unfolding) 문제를 정규화된 2 차 최적화 문제로 재정의하고 이를 QUBO 형식으로 변환하여 양자 어닐링 및 하이브리드 솔버를 활용한 'QUnfold'라는 오픈소스 패키지를 개발하였으며, 기존 기법들과의 벤치마크를 통해 경쟁력 있는 재구성 정확도를 입증했습니다.
🔬 Category
physics.data-an
261 편의 논문
물리학 데이터 분석 분야는 방대한 실험 데이터를 수집하고 해석하여 우주의 작동 원리를 밝혀내는 핵심 영역입니다. 복잡한 수식과 대규모 시뮬레이션 결과를 통해 새로운 물리 법칙을 발견하거나 기존 이론을 검증하는 과정을 다루며, 현대 과학의 가장 역동적인 부분 중 하나라고 할 수 있습니다.
Gist.Science 는 arXiv 에 매일 올라오는 최신 물리학 데이터 분석 관련 논문들을 빠르고 꼼꼼하게 처리합니다. 저희는 전문 용어에 익숙하지 않은 독자들도 이해할 수 있는 쉬운 설명과 함께, 연구의 깊이를 파악할 수 있는 상세한 기술적 요약을 모두 제공합니다. 아래에 arXiv 의 최신 논문들이 정리되어 있으니, 데이터가 만들어내는 물리학의 새로운 통찰을 직접 확인해 보세요.
Non-intrusive Monitoring of Sealed Microreactor Cores Using Physics-Informed Muon Scattering Tomography With Momentum Measurements
이 논문은 모멘텀 측정을 결합한 물리 정보 기반의 TRec 프레임워크를 통해 밀폐된 마이크로원자로 코어에서 단일 연료 결손을 기존 방법보다 훨씬 높은 감도로 비파괴적으로 탐지할 수 있음을 입증합니다.
A Tutorial on Bayesian Analysis of Linear Shock Compression Data
이 논문은 충격 압축 실험 데이터의 불확실성을 정량화하고, 베이지안 선형 회귀와 랭킨 - 후고니오 방정식을 결합하여 압력 - 부피 평면에서 데이터와 일관된 여러 후고니오 곡선을 생성하는 방법론을 아르곤, 구리, 니켈 데이터를 통해 소개하고 있습니다.
Noise2Ghost: Self-supervised deep convolutional reconstruction for ghost imaging
이 논문은 청정 참조 데이터 없이도 노이즈가 많은 acquisitions 에서 탁월한 재구성 품질을 제공하는 자기지도 학습 기반의 딥러닝 고스트 이미징 재구성 방법인 'Noise2Ghost'를 제안하며, 이를 통해 저조도 X 선 형광 이미징 등 다양한 첨단 응용 분야에서 신호 대 잡음비 문제를 해결할 수 있음을 보여줍니다.
Physics-Embedded Bayesian Neural Network (PE-BNN) to predict Energy Dependence of Fission Product Yields with Fine Structures
이 논문은 핵물리학적 지식을 통합한 물리-임베딩 베이지안 신경망 (PE-BNN) 프레임워크를 제안하여, 에너지 독립적 현상론적 쉘 인자를 입력 특징으로 활용함으로써 에너지 의존성 핵분열 생성물 수율의 미세 구조와 전역적 경향을 동시에 정확하게 예측함을 보여줍니다.
Structured Kolmogorov-Arnold Neural ODEs for Interpretable Learning and Symbolic Discovery of Nonlinear Dynamics
이 논문은 구조화된 상태 공간 모델링과 Kolmogorov-Arnold 네트워크 (KAN) 를 통합한 SKANODE 프레임워크를 제안하여, 비선형 동역학 시스템의 관측 데이터로부터 물리적으로 해석 가능한 잠재 상태와 지배 방정식을 정확하게 복원하고 발견하는 방법을 제시합니다.
Position-Sensitive Silicon Photomultiplier Array with Enhanced Position Reconstruction by means of a Deep Neural Network
본 논문은 2x2 배열의 선형 구배 실리콘 광증배관 (LG-SiPM) 에 딥 신경망 (DNN) 을 적용하여 기존 공식 기반 재구성 방식보다 위치 분해능과 선형성을 크게 향상시키고, 분해 가능한 영역 수를 최대 12.1 배까지 증가시켜 의료 영상 등 광검출 성능을 획기적으로 개선한 연구입니다.
Exploring blazars through sonification. Visual and auditory insights into multifrequency variability
이 논문은 MIDI 와 파라미터 매핑 사운드화 기법을 활용하여 여러 블레이저의 다중 주파수 광변곡선을 시각화 및 청각화함으로써 천체 데이터 분석의 새로운 통찰력을 제공하고 과학 커뮤니케이션의 포용성을 강화하는 방법을 제시합니다.
Reducing hyperparameter sensitivity in measurement-feedback based Ising machines
이 논문은 측정-피드백 아키텍처 기반의 아날로그 이징 머신에서 시간 이산적 동작으로 인한 하이퍼파라미터 민감도 문제를 분석하고, 이를 완화하는 실험적으로 검증된 방법을 제안합니다.
Memory Effects, Multiple Time Scales and Local Stability in Langevin Models of the S&P500 Market Correlation
이 논문은 S&P500 시장 상관관계에 3 주 이상의 메모리 효과가 존재하며, 이를 고려한 일반화 랑주빈 방정식이 예측 정확도를 높이고 숨겨진 느린 시간 척도와 국소적 안정성을 시사함을 보여줍니다.