255 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 Bayesiaanse aanpak voor de kwantificatie van onzekerheid in hybride spectrale ontbinding van -straling, waarbij wordt aangetoond dat Markov Chain Monte Carlo-methoden robuuster zijn dan Laplace-benaderingen wanneer de posterior-verdeling niet-Gaussisch is door actieve constraints of een dominante achtergrond.
Dit artikel presenteert een poging om het tweejarige gat in de IERS C01 poolbewegingsreeks voor de periode 1858,9-1860,9 te dichten door twee methoden te vergelijken, waarbij de data-gedreven Singular Spectrum Analysis (SSA) als de voorkeursmethode wordt aanbevolen vanwege een vollediger model.
Dit paper bespreekt de verwarring rondom Poisson-sampling in de natuurkunde en beveelt aan om de resultaten samen te vatten met Garwood's betrouwbaarheidsintervallen vanwege hun goede statistische eigenschappen en intuïtieve p-waarden.
Dit overzichtspaper onderzoekt de uitdagingen, belangrijkste vooruitgang en openstaande problemen bij het uitbreiden van het renormalisatiegroepkader van traditionele fysische systemen naar het heterogene en geometrisch complexe domein van real-world netwerken.
Dit onderzoek biedt een datagedreven evaluatie van ruim 6000 statistieken om tijdsasymmetrie te identificeren, waarbij wordt geconcludeerd dat er geen universele maatstaf bestaat en dat statistische benaderingen moeten worden afgestemd op de specifieke kenmerken van het onderzochte systeem.
Dit artikel presenteert de eerste uitgebreide evaluatie en ranking van 13 XAI-methoden voor de voorspelling van uitkomsten bij hoofd-halskanker, waarbij Integrated Gradients en DeepLIFT consistent als de meest betrouwbare methoden naar voren kwamen.
Dit artikel introduceert een rigoureuze Bayesiaanse methode voor MINFLUX-microscopie die, in vergelijking met huidige heuristische benaderingen, de benodigde hoeveelheid fotonen voor een resolutie van 1 nm met ongeveer een factor vier verlaagt.
Dit artikel introduceert een gereduceerde optimal-control-benchmark voor dynamisch zweven, waarmee vliegbewegingen van verschillende zeevogelsoorten in een gemeenschappelijk snelheids- en inspanningsvlak kunnen worden vergeleken en aangetoond dat de albatros het dichtst bij het theoretische optimum ligt.
Deze studie presenteert een proof-of-concept systeem dat grote taalmodellen gebruikt om analyseprocedures uit HEP-publicaties te extraheren en uitvoerbare code te genereren voor het reproduceren van resultaten, waarbij de huidige prestaties en beperkingen van open-weight modellen worden geëvalueerd aan de hand van de ATLAS H→ZZ*→4ℓ-analyse.
Dit artikel introduceert NOMAI, een machine learning-classificator die in real-time binnen de Fink-broker werkt om zeldzame superluminous supernova's (SLSNe) te identificeren op basis van fotometrische data van de ZTF-survey, zonder spectroscopische roodverschuiving, en die tijdens een evaluatieperiode een hoge recoverysnelheid van actieve SLSNe aantoont.