261 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 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.
Dit artikel introduceert een door Quantum Electrodynamica geïnspireerd, niet-lokaal epidemiologisch model dat de Doi-Peliti-formaliteit gebruikt om superdiffusie en ruimtelijke afscherming te beschrijven, en dat bij toepassing op COVID-19-gegevens uit Duitsland een week vooruitlopende voorspellingscapaciteit voor uitbraken aantoont.
Dit paper introduceert BuSyNet, een diep leernetwerk dat dimensie-consistente symplectische transformaties combineert om compacte, interpreteerbare symbolische Hamiltoniaanse uitdrukkingen te ontdekken die de energiebehoud en symplectische geometrie van fysische systemen nauwkeuriger en stabieler modelleren dan bestaande methoden.
Deze studie introduceert een nieuwe Kanaalafhankelijkheidsindex (CDI) die aantoont dat systemische, netwerkniveau-uitbreidingen van het openbaar vervoer essentieel zijn om de afhankelijkheid van auto's in 18 steden in Europa en Noord-Amerika te doorbreken en duurzame mobiliteit te bevorderen.
Dit artikel onderzoekt inhomogene Erdős-Rényi-grafen met verbindingskansen bepaald door Pareto-variabelen met oneindig gemiddelde, waarbij wordt bewezen dat de graadverdeling convergeert naar een gemengde Poisson-verdeling, terwijl er sprake is van asymptotische niet-verdwijnende correlaties en een kruispunt in de aanwezigheid van geïsoleerde knopen.
Deze paper introduceert een robuuste methode voor één-dimensionale faseherwinning, genaamd Energy Time Ptychography, die door het gebruik van meerdere energetisch overlappende metingen van synchrotron X-stralen in de tijd domein zowel het transmissiespectrum als de fase van de verstrooiingsrespons van Mössbauer-isotopen kan reconstrueren, waardoor de beperkingen van traditionele gamma-bronnen worden overwonnen.
Dit artikel introduceert 'The Closure Challenge', een gestandaardiseerd open-source benchmarkkader met trainingsdata en testcases om machine learning-modellen voor RANS-turbulentiemodellering te evalueren en de veldbrede innovatie te stimuleren.
FcsIT is een open-source, platformonafhankelijk Python-gereedschap dat TCSPC-gegevens verwerkt en FCS-correlatiecurves analyseert met behulp van de circulaire-blok-bootstrapmethode en aanpasbare modellen, waarmee het vergelijkbare resultaten levert als commerciële software.