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.

Enhancing Reconstruction Capability of Wavelet Transform Amorphous Radial Distribution Function via Machine Learning Assisted Parameter Tuning

Deze studie introduceert het verbeterde WT-RDF+-framework, dat door middel van machine learning de parameters van de Wavelet Transform Radiale Distributiefunctie optimaliseert om de reconstructieprecisie van atomaire structuren in amorfe Ge-Se en Ag-Ge-Se materialen te verhogen en zo de beperkingen van eerdere methoden en conventionele ML-modellen te overtreffen.

Deriyan Senjaya, Stephen Ekaputra Limantoro2026-03-11🔬 cond-mat.mtrl-sci

New techniques to investigate the AGN-SF connection with integral field spectroscopy

Dit onderzoek introduceert een nieuwe, robuuste methode op basis van IFU-data om AGN- en sterformatiebijdragen in lokale actieve sterrenstelsels te scheiden, waarbij een matig sterke correlatie wordt gevonden tussen de Eddington-ratio van de AGN en de recente sterformatie, wat suggereert dat hogere accretie gepaard gaat met jonge nucleaire sterformatie.

Aman Chopra, Henry R. M. Zovaro, Rebecca L. Davies2026-03-11📊 stat

Experimentally Resolving Gravity-Capillary Wave Evolution in Vessels of Unknown Boundary Conditions

Dit artikel introduceert Extracted Mode Tracking (EMT), een datamethodiek die met behulp van ongesuperviseerde machine learning onbekende randvoorwaarden omzeilt om de evolutie van zwaartekracht-kapillaire golven in onbekende vaten direct uit experimentele data te analyseren en zo niet-lineaire golf-dynamica in axiaal-symmetrische systemen in kaart te brengen.

Sean M. D. Gregory, Vitor S. Barroso, Silvia Schiattarella, Anastasios Avgoustidis, Silke Weinfurtner2026-03-10🔬 physics

Universal electronic manifolds for extrapolative alloy discovery

Deze studie introduceert een computerefficiënt raamwerk dat gebruikmaakt van niet-interagerende elektronendichtheid en Bayesiaans actief leren om refractaire hoog-entropie legeringen te ontdekken en nauwkeurige, zero-shot extrapolaties mogelijk te maken voor nieuwe chemische samenstellingen met minimale trainingsdata.

Pranoy Ray, Sayan Bhowmik, Phanish Suryanarayana, Surya R. Kalidindi, Andrew J. Medford2026-03-10🔬 cond-mat.mtrl-sci