Bayesian Hierarchical Models and the Maximum Entropy Principle
이 논문은 하이퍼파라미터를 통해 정의된 계층적 베이지안 모델에서 조건부 사전분포가 최대 엔트로피 분포일 때, 하이퍼파라미터를 적분하여 얻은 종속적인 주변 사전분포 역시 다른 제약 조건 하에서 최대 엔트로피 성질을 가진다는 것을 증명함으로써 계층적 모델 할당이 실제로 어떤 정보를 가정하는지에 대한 통찰을 제공합니다.
🔬 Category
physics.data-an
326 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.
A mapping-based projection of detailed kinetics uncertainty onto reduced manifolds
이 논문은 정밀 화학 반응 속도 파라미터의 불확실성을 저비용으로 전파하기 위해 축소 매니폴드 상태를 재구성하고 불확실성 지도를 생성하는 2 단계 프레임워크를 제안하여, 실제 연소 유동 시뮬레이션에서 공간적으로 분해된 화학적 불확실성을 효율적으로 정량화하는 방법을 제시합니다.
Enhancing Reconstruction Capability of Wavelet Transform Amorphous Radial Distribution Function via Machine Learning Assisted Parameter Tuning
본 논문은 머신러닝 기반의 파라미터 최적화 기법을 도입하여 비정질 물질의 파동변환 방사형 분포함수 (WT-RDF) 의 진폭 정확도 한계를 극복하고, 기존 머신러닝 모델보다 우수한 성능으로 Ge-Se 및 Ag-Ge-Se 계열의 원자 구조를 정밀하게 재구성하는 'WT-RDF+' 프레임워크를 제안합니다.
New techniques to investigate the AGN-SF connection with integral field spectroscopy
이 논문은 적분장 분광 데이터를 활용하여 활동성 은하핵 (AGN) 과 항성 형성 (SF) 의 기여를 분리하는 새로운 방법을 제시하고, 이를 통해 AGN 의 에딩턴 비율과 항성 형성률 및 젊은 핵성간 형성 사이에 중등도 이상의 상관관계가 있음을 규명했습니다.
Physics-based signal analysis of genome sequences: GenomeBits overview
이 논문은 이산 푸리에 변환 (DFT) 과 양자 역학적 접근을 기반으로 한 물리학적 신호 분석 도구인 'GenomeBits'를 소개하며, 이를 통해 SARS-CoV-2 및 원숭이두창 바이러스의 게놈 서열에서 돌연변이 패턴, 질서 - 무질서 전이, 그리고 스파이크 단백질의 누적 변이 효과 등을 규명한 연구 결과를 종합적으로 제시합니다.
Leveraging chaotic transients in the training of artificial neural networks
이 논문은 학습률을 극단적으로 높여 신경망 최적화 과정을 혼돈의 시작점으로 유도함으로써, 탐색과 활용의 균형을 이루고 훈련 시간을 단축하며 학습 효율성을 극대화할 수 있음을 보여줍니다.
A Thermodynamic Structure of Asymptotic Inference
이 논문은 표본 크기와 모수 분산을 상태 공간으로 정의하고 섀넌 정보를 엔트로피로 간주하는 열역학적 프레임워크를 제시하여 점근적 추론을 설명하고, 가우스 극한에서 de Bruijn 항등식과 I-MMSE 관계를 이 구조의 좌표 사영으로 통합하며, 추론 물리학과 앙상블 물리학이 통합된 열역학적 기술 내에서 서로 반대 방향으로 진화하는 그림자 과정임을 시사합니다.
GNN For Muon Particle Momentum estimation
이 논문은 CMS 실험의 뮤온 운동량 추정 성능을 향상시키기 위해 그래프 신경망 (GNN) 을 적용하여 기존 TabNet 모델보다 낮은 평균 절대 오차를 보인 것과 노드 특징의 차원이 모델 효율성에 결정적임을 입증했습니다.
Learning the Standard Model Manifold: Bayesian Latent Diffusion for Collider Anomaly Detection
이 논문은 질량 무상관성 및 잠재 상관관계 규제와 같은 물리 법칙을 명시적으로 반영한 베이지안 잠재 확산 모델을 제안하여, LHC 제트 데이터에서 새로운 물리 현상 탐색을 위한 신뢰할 수 있는 이상 탐지 프레임워크를 구축했습니다.
Experimentally Resolving Gravity-Capillary Wave Evolution in Vessels of Unknown Boundary Conditions
이 논문은 경계 조건이 불확실한 실험 환경에서도 경계 조건에 대한 사전 모델링 없이 비지도 머신러닝을 활용해 유체 표면 파동의 모드 진화를 실시간으로 추출하고 분석할 수 있는 '추출 모드 추적 (EMT)' 프레임워크를 제안하고 그 유효성을 검증합니다.