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.
Deze studie analyseert handelsnetwerken tussen steden in de Braziliaanse staat Ceará aan de hand van miljarden elektronische facturen, waarbij gemeenschappen worden geïdentificeerd via de Infomap-methode en de economische cohesie wordt gekwantificeerd door middel van Maximum Entropy-modellen.
Dit artikel introduceert het Poisson Log-Normal (PoLoN) proces, een niet-parametrische methode die Gaussian processes gebruikt om complexe discrete telgegevens te modelleren en zwakke signalen uit achtergrondruis te extraheren.
Deze studie analyseert het mechanisme van 'feature unlearning' in neurale netwerken door middel van een fast-slow dynamica-benadering in de oneindige-breedte limiet, waarbij wordt aangetoond dat de interactie tussen de schaal van de gewichten en de niet-lineariteit van de data bepaalt of eerder geleerde kenmerken verloren gaan.
DerivKit is een Python-pakket dat stabiele numerieke differentiatie gebruikt om een brug te slaan tussen snelle Fisher-voorspellingen en intensieve MCMC-methoden voor statistische inferentie.
Dit artikel toont aan dat zelfs in experimenten met een hoge statistische frequentie, eindige Monte Carlo-steekproefgroottes die worden gebruikt om systematische onzekerheden te modelleren, ervoor zorgen dat de standaard asymptotische benaderingen voor profiel-likelihoodverhouding-betrouwbaarheidsintervallen falen, wat resulteert in systematische onderdekking.
Almanac is een op Hamiltonian Monte Carlo gebaseerd framework dat ruisvrije all-sky kaarten en de bijbehorende vermogensspectra extraheert uit ruizige kosmologische waarnemingen over meerdere roodverschuivingsbins, waarbij modelonafhankelijke posterieure dataproducten worden geleverd die problemen zoals $EB$-lekkage vermijden en robuuste diagnostiek van systematische fouten of nieuwe fysica mogelijk maken.
Deze studie vergelijkt vijf verschillende algoritmen voor het vinden van voids toegepast op de IllustrisTNG-simulatie om aan te tonen dat hoewel de radiale gradiënt van de individuele galaxy bias binnen kosmische voids een robuust kenmerk is, de specifieke selectie van anti-biased galaxies en de contaminatie door hoog-biased boundary galaxies significant afhangen van de gehanteerde void-definitie en dichtheidsdrempels.
Dit artikel introduceert MoreFit, een hoogwaardig framework voor unbinned maximum likelihood parameterschatting in de deeltjesfysica dat gebruikmaakt van just-in-time gecompileerde computationele grafieken, innovatieve automatische optimalisaties en heterogene backends (OpenCL en LLVM/Clang) om superieure snelheid en efficiëntie te bereiken over diverse hardwareplatforms heen.
Dit artikel evalueert systematisch de gevoeligheid van vier semi-gesuperviseerde anomaliedetectiemethoden voor niet-afstembare hyperparameters in de zoektocht naar fysica buiten het standaardmodel en stelt een robuuste, niet-parametrische permutatietoets voor voor statistische beoordeling.
Dit artikel verenigt Gaussian process regressie met dynamic mode decomposition om de schaalbaarheids- en hyperparameteroptimalisatieproblemen van kernelgebaseerde Koopman-operator-methoden aan te pakken, waardoor de computationele efficiëntie en ruisresistentie bij het modelleren van nietlineaire dynamische systemen worden verbeterd.