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 artikel presenteert een nieuw niet-lineair unsteady aerodynamisch reduced-order model (IDE-ROM), dat Volterra-theorie en niet-lineaire oscillator-dynamica combineert en met het OMP-algoritme wordt geïdentificeerd, om de aeroelastische respons van een OAT15A-profiel in transsonische shock-buffetstroming nauwkeurig en efficiënt te simuleren, inclusief complexe verschijnselen zoals aeroelastische lock-in.
Dit onderzoek toont aan dat data-gedreven feature-selectie, met name Sequential Forward Selection, nauwkeurige materiaalclassificatie mogelijk maakt met behulp van een beperkt aantal frequenties in referentievrije terahertz-spectroscopie, waardoor de noodzaak voor breedbandbronnen en referentiemetingen wordt weggenomen voor compacte sensoren.
Deze studie presenteert een nieuw algoritme dat de richting in tweedimensionale discrete verdelingen bepaalt door een gemeten dataset te vergelijken met een referentie via de Frobenius-norm van het verschil, waarbij een continu analoog (CFND) wordt afgeleid dat de relatie met de werkelijke richting effectief benadert.
In dit artikel presenteren de auteurs 'Dichography', een experimentele methode die het mogelijk maakt om twee tijdvertrouwde beelden van een monster te reconstrueren uit één enkel diffractiepatroon van twee gekleurde röntgenpulsen, waarmee structurele veranderingen op nanoschaal met 20 nm resolutie kunnen worden vastgelegd voordat significante schade optreedt.
Deze paper introduceert GABI, een architectuur-onafhankelijk raamwerk dat geometrie-bewuste generatieve modellen leert uit grote datasets van verschillende fysische systemen om als informerende priors te dienen voor Bayesiaanse inversie, waardoor robuuste onzekerheidskwantificering mogelijk wordt voor complexe geometrieën zonder kennis van de onderliggende besturingsvergelijkingen.
Dit paper introduceert NuBench, een open benchmark met zeven grote gesimuleerde datasets voor het vergelijken van deep learning-algoritmen voor de reconstructie van neutrino-evenementen in verschillende watere- en ijsdetectoren.
Dit paper presenteert een innovatieve MIMO-gebaseerde Extreme Learning Machine-methode voor het nauwkeurig voorspellen van korte termijn energievoorziening en -consumptie in Corsica, die door zijn gesloten vorm en lage rekenvereisten superieur presteert ten opzichte van persistence-modellen en deep learning-technieken zoals LSTM.
Deze review biedt het eerste overzicht van wetenschappelijk machine learning in de hydrologie door een unificerend raamwerk te presenteren dat verspreide methoden structureert, conceptuele helderheid creëert en toekomstige onderzoeksrichtingen voor deze onderbenutte veldrichting aangeeft.
Deze studie presenteert een systematische analyse van de onzekerheidspropagatie in een sferische magnetische veldcamera, waarbij met behulp van een Monte Carlo-methode wordt onderzocht hoe sensorgerelateerde imperfecties zoals kalibratiefouten en positioneringsonnauwkeurigheden de nauwkeurigheid van het met sferische harmonischen geschatte veld beïnvloeden.
Dit artikel presenteert een hybride raamwerk dat First-Order Shear Deformation Theory combineert met machine learning en onzekerheidskwantificering om impactlocatie en krachtschatting in composietplaten nauwkeurig en robuust uit te voeren, zelfs bij beperkte experimentele data.