334 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 biedt een overzicht van de recente vooruitgang en trends in patroonherkenning en data-analyse voor RICH-detectors, waarbij zowel traditionele methoden als moderne machinelearningtechnieken voor reconstructie en simulatie worden besproken.
Deze studie presenteert globaal geïnverteerde druk-temperatuurfasediagrammen tot 5.000 GPa voor de planetaire materialen Fe, MgO, SiO2 en MgSiO3, die met behulp van logistische regressie en supervised learning zijn afgeleid om langdurige geschillen over hun smeltkrommes op te lossen en de interne structuurmodellen van reuzenplaneten en super-aarden te verfijnen.
Dit artikel toont aan dat het mogelijk is om door inflatie van onzekerheden een prior-parametrisatie te kiezen die, zelfs bij onbekende correlaties tussen experimenten, zorgt voor conservatieve achteraf-onzekerheden voor de parameters van belang.
Dit artikel introduceert een informatie-theoretische methode om geheugeneffecten in discrete stochastische processen te kwantificeren, die wordt toegepast op neerslagdata in de Verenigde Staten om te aantonen dat dagelijkse regenval goed wordt beschreven door lage-orde Markov-ketens met regionale en seizoensgebonden variaties.
Deze paper introduceert ionentelling-gestuurde microscopie (ICAM), een kwantitatieve beeldvormingstechniek die door statistisch onderbouwde schatting van secundaire elektronenopbrengst de bron-schotruis aanzienlijk vermindert, waardoor de dosis voor kwetsbare monsters met een factor drie kan worden verlaagd.
Dit artikel introduceert een nieuwe methode voor het analyseren van neutronenverstrooiingsdata zonder histogrammen of least-squares-fitting, wat leidt tot nauwkeurigere parameters en grotere efficiëntie ten koste van een minder intuïtieve aanpak en langere rekentijd.
Deze paper introduceert een maximum-entropie-aanpak voor tijdsafhankelijke netwerken die een modulaire representatie biedt door tijdsprocessen en statische koppelingskansen te scheiden, waardoor gesloten vormen voor log-waarschijnlijkheid en verwachte netwerkstatistieken worden verkregen via intensiteiten van niet-homogene Poisson-processen.
Dit artikel presenteert geavanceerde algoritmen voor het schatten van detectorfoutmodellen (DEM) uit syndromen op Google's Willow-chips, waarmee nauwkeurige foutkarakterisering, het detecteren van langeafstands-correlaties en het identificeren van onverklaarbare artefacten zoals stralingsgebeurtenissen mogelijk wordt gemaakt.
Dit artikel toont aan dat wanneer de prior in een Bayesiaans hiërarchisch model een canonieke verdeling is, de resulterende afhankelijke marginale prior ook een maximum-entropie-eigenschap bezit, maar dan met een andere constraint op de marginale verdeling van een functie van de onbekende grootheden.
Dit artikel presenteert een schaalbaar tweestapskader dat onzekerheden in gedetailleerde chemische reactiesnelheden efficiënt projecteert op gereduceerde manifolds om ruimtelijk opgeloste onzekerheidskwantificering mogelijk te maken voor complexe verbrandingsstromingen.