257 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.
Deze studie toont aan dat probabilistische neurale netwerken Gaussian-processen kunnen vervangen bij de Bayesiaanse inferentie van het gravitatiegolvenachtergrondsignaal in pulsartimingarrays, waarbij ze consistente posterieuren leveren met aanzienlijk kortere trainings- en rekentijden.
Onderzoek toont aan dat heterogeniteit in zoekstrategieën binnen een zwerm de efficiëntie van geurlocatie in turbulente omgevingen verbetert door de schadelijke effecten van ruimtelijke correlaties in het signaal te mitigeren.
Dit artikel generaliseert bestaande modellen voor grootte-gestructureerde populaties met fluctuaties door de Feynman-Kac-formule te gebruiken om voorwaarden af te leiden waaronder interne variabelen ontkoppelen van celgrootte, wat leidt tot een transformatie naar een homogene groeiproces en een veralgemeende interpretatie van getilde verwachtingen.
Dit artikel introduceert Neuraal Posterior Schatten (NPE) als een schaalbaar en nauwkeurig alternatief voor Bayesiaanse kalibratie om de interne toestand van Li-ion-batterijen in real-time te diagnosticeren, waarbij de rekenlast wordt verplaatst naar het trainingsstadium en de methode wordt gevalideerd op experimentele snellaaddata.
Dit artikel introduceert een nieuwe methode voor het modelleren van achtergronden in de deeltjesfysica op basis van Log-Gaussische Cox-processen, die minimale aannames vereist over de onderliggende vorm en gebruikmaakt van Markov Chain Monte Carlo voor optimalisatie.
Dit artikel bespreekt de beperkingen van het visualiseren van gecorreleerde onzekerheden in data-plots en stelt methoden voor om de overeenstemming tussen data en modellen beter te beoordelen door de bijdrage van de eerste hoofdcomponent en conditionele onzekerheden expliciet weer te geven.
Het artikel introduceert JetPrism, een diagnoseframework dat aantoont dat de standaard trainingsverliesfunctie van Conditional Flow Matching onbetrouwbaar is voor het beoordelen van convergentie in nucleaire fysica, en pleit voor een protocol met domeinspecifieke, fysisch geïnformeerde metrieken om de nauwkeurigheid van generatieve simulaties en inverse problemen te waarborgen.
Dit onderzoek onthult hoe synaptische en extrasynaptische signalering in *C. elegans* complementaire architecturen vormen die samen functionele specialisatie en multiplex-organisatie mogelijk maken voor snelle sensorimotorische verwerking, modulaire regulatie, robuustheid en homeostase.
Het artikel introduceert QuantumXCT, een hybride quantum-klasse generatief model dat cellulaire communicatie in kaart brengt door interactie-geïnduceerde transformaties van celstaten te leren via quantumverstrengeling, waardoor nieuwe inzichten in signaalnetwerken mogelijk worden zonder afhankelijkheid van vooraf gedefinieerde receptordatabases.
Dit paper introduceert een Template-Adapted Mixture Model dat vele biased simulaties combineert om de signaalfraction in deeltjesfysica nauwkeuriger en met goed gekalibreerde onzekerheden te schatten, ondanks mismodeling tussen simulatie en realiteit.