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.
De auteurs presenteren een machine-learningbenadering die, door gebruik te maken van autoencoders voor het clusteren van continu gemeten ruimtetijd-trajectoires, in staat is om niet-evenwichtsfaseovergangen in kwantumsystemen te detecteren zonder vooraf bekende ordeparameters.
Dit onderzoek toont aan dat een team van agenten gebaseerd op grote taalmodellen (LLMs) complexe data-analyseproblemen in de deeltjesfysica kan oplossen door code te genereren, waarbij de beste resultaten de prestaties van menselijke state-of-the-art methoden evenaren.
Dit artikel onthult dat in multidimensionale systemen met willekeurige niet-normale matrices de niet-orthogonaliteit van eigenvectoren, gekwantificeerd door de conditienummer , een nieuw mechanisme voor kritikaliteit vormt dat via tijdelijke versterking de effectieve Lyapunov-exponent verhoogt en leidt tot schaalvrij gedrag, zoals geïllustreerd bij het rekken van polymeren in turbulente stromingen.
In dit artikel wordt gemeld dat een retrospectieve analyse van GPS-archiefdata geen bewijs opleverde voor exotische lichte velden die vrijkwamen bij de neutronenster-merger GW170817, maar wel nieuwe, strengere grenzen opleverde voor de interactie-energieschaal van dergelijke deeltjes in het bereik van tot eV.
In dit artikel wordt een nieuw, op diepe learning gebaseerd model voor de puntverspreidingsfunctie (PSF) gepresenteerd dat, door een autoencoder te combineren met een Gaussisch proces, de nauwkeurigheid van de huidige state-of-the-art PIFF-methode verbetert en zo essentieel is voor toekomstige kosmologische analyses zoals die van het LSST.
Dit onderzoek toont aan dat Simulation-Based Inference, en met name de Neural Posterior Estimation-methode, een efficiënter en nauwkeuriger alternatief biedt voor traditionele MCMC-methoden bij het verkennen van de hoge-dimensionale parameter ruimte van het pMSSM, zelfs onder de strenge beperkingen van Higgs-, flavor- en donkere-materieobservaties.
Deze paper introduceert een algemeen framework voor simulatiegebaseerde inferentie dat gebruikmaakt van factoriseerbare normaliserende flows en een geamortiseerde trainingsstrategie om systematische onzekerheden efficiënt te profileren tijdens het meten van multivariate verdelingen van belang, waardoor de noodzaak van herhaaldelijke trainingen wordt vermeden.
Deze paper introduceert een Bayesiaanse sequentiële aanpak voor tijdloze Full Waveform Inversie met behulp van Hamiltonian Monte Carlo, waarbij de baseline-survey als prior wordt gebruikt om betrouwbare onzekerheidskwalificatie te bieden in hoge-dimensionale problemen met vergelijkbare nauwkeurigheid als parallelle methoden.
Dit artikel analyseert de stationaire verdelingen van een uitgebreid Chiarella-model voor financiële markten en toont aan dat de overgang van unimodale naar bimodale verdelingen (P-bifurcatie) afhangt van de snelheid van de trend en de mate van koppeling, waarmee eerdere claims in de literatuur worden weerlegd.
In deze paper wordt een methode gepresenteerd om de onbekende parameters en verborgen macroscopische variabelen van eindige neurale netwerken te schatten op basis van een enkele observeerbare tijdreeks, door gebruik te maken van synchronisatie met een gemiddelde-veldmodel (mean-field model).