331 papers
Fysica — Data-analyse vormt de brug tussen ruwe metingen en inzichtelijke wetenschap. In dit domein draait het om het ontcijferen van complexe datasets, waarbij geavanceerde statistieken en algoritmen worden gebruikt om patronen te ontdekken die voor het blote oog onzichtbaar blijven. Van het bestuderen van kosmische straling tot het analyseren van deeltjesbotsingen, deze onderzoeken vertalen enorme hoeveelheden informatie in duidelijke antwoorden over hoe ons universum werkt.
Op Gist.Science halen we elke nieuwe preprint uit deze categorie direct van arXiv en maken deze toegankelijk voor een breder publiek. Voor elk artikel bieden we zowel een begrijpelijke samenvatting in gewone taal als een diepgaande technische analyse, zodat zowel experts als geïnteresseerden leken de kern van de ontdekkingen kunnen snappen. Hieronder vindt u de nieuwste publicaties in dit dynamische vakgebied, direct uit de bron van de wetenschap.
Dit artikel presenteert een op Mixture-of-Experts gebaseerd fundamenteel model dat snelle simulatie, de identificatie van deeltjes en ruisfiltratie voor de GlueX DIRC-detector verenigt door gebruik te maken van een gedeelde transformer-ruggengraat om prestaties te leveren die gelijkwaardig zijn aan of beter zijn dan gevestigde taakspecifieke methoden, terwijl het direct werkt op laag-niveau detectorinvoer.
Dit artikel introduceert "hyperstatistiek", een algemeen raamwerk voor het modelleren van complexe systemen waar de Boltzmann-Gibbs-statistiek faalt, door de convexiteit van niet-additieve -entropie te behouden en een universele -exponentiële Boltzmann-factor af te leiden die succesvol uiteenlopende fenomenen verklaart, variërend van condensatorontlading en cryostaatdrukverval tot hoge-energetische deeltjesbotsingen en turbulente versnelling.
Dit artikel introduceert "gezamenlijke dynamische programmering", een co-ontwerpramwerk dat continu hardware-geometrie en adaptieve meetstrategieën gelijktijdig optimaliseert om traditionele niet-adaptieve of afzonderlijk geoptimaliseerde benaderingen bij sensortaken aanzienlijk te overtreffen, zoals aangetoond door substantiële foutreducties in case studies met radars, kwantumsensoren en fotonische sensoren.
Dit artikel stelt een Hopfield-type associatief geheugenmodel voor waarbij astrocyt-gemedieerde, entropie-geregulariseerde versterkingsmodulatie zelf-attentie-mechanismen dynamisch implementeert, waardoor de ophaalprecisie onder hoge geheugendruk aanzienlijk wordt verbeterd in vergelijking met klassieke benaderingen.
Deze paper presenteert een methode genaamd 'emulator-based component analysis' om de spectrale variatie in UV-vis absorptiespectra van azobenzeen in ethanol te verklaren door de meest invloedrijke structurele kenmerken binnen de moleculaire ensemble te identificeren.
Deze studie presenteert een efficiënt 'multi-fidelity' surrogaatmodel dat gebruikmaakt van recursieve co-kriging om windbelastingen op moderne containerschepen in havenomgevingen nauwkeuriger te voorspellen met een lagere computationele kostprijs dan traditionele CFD-simulaties.
Dit artikel onderzoekt een Bayesiaanse faseovergang in het kritische Ising-model, waarbij een vergrote replica-symmetrie en multiscaling worden aangetoond via zowel een -expansie als numerieke simulaties in twee dimensies.
Dit artikel presenteert een nieuwe "Physics-Informed Temporal U-Net" die door middel van een fysica-geïnspireerde brug en perceptuele verliesfuncties vloeiende en gedetailleerde vloeistofinterpolaties mogelijk maakt zonder de typische onscherpte van standaard deep learning-methoden.
ArchGEM is een nieuw geautomatiseerd framework dat de fysieke eigenschappen van verstrooid lichtruis in LIGO-detectoren analyseert door de kenmerkende boogvormige patronen in spectrogrammen te identificeren en te karakteriseren.
Deze paper presenteert een nieuwe methode die statistische mechanica en Wang-Landau-sampling combineert om de kwaliteit van Bayesiaanse inferentie te verbeteren door middel van een geoptimaliseerde "tempered posterior".