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 introduceert een nieuwe, distributievrije goedheid-van-passing-strategie voor het testen van hoekvermogenspectrummodellen met onbekende parameters, die brede toepasbaarheid en aanzienlijke computationele efficiëntie waarborgt door de noodzaak van casus-specifieke simulaties te elimineren.
Dit artikel presenteert een modelvrij raamwerk dat gebruikmaakt van escort-gewogen Shannon-entropie en diverse divergentiematrices om faseovergangen en statistische veranderingen in verstrooiings- en beeldvormingsgegevens gevoelig te detecteren zonder dat expliciete fysische modellen of ordeparameters vereist zijn.
Door de Allan-deviatie toe te passen op zin-embeddings, karakteriseert deze studie de semantische dynamiek van tekst als een stochastisch traject, waarbij onderscheidende kortetermijn-schaalregimes worden onthuld die creatief van technische teksten differentiëren en een systematische reductie in de langetermijn-stabiliteitshorizon in grote taalmodellen vergeleken met menselijke cognitie blootleggen.
Dit artikel introduceert de Adaptive Particle Batch Smoother (AdaPBS), een nieuw algoritme voor cryosferische data-assimilatie dat deeltjesmethoden combineert met het AMIS iteratieve raamwerk om ensemble-instorting te mitigeren en computationele kosten dynamisch aan te passen, waarbij een superieure of vergelijkbare prestatie wordt aangetoond ten opzichte van bestaande methoden over diverse scenario's van sneeuwdiepte-assimilatie.
Dit artikel presenteert een schaalbare, door AI gedreven methode die gebruikmaakt van satellietbeelden en het Segment Anything Model om automatisch de oversteekafstanden voor voetgangers te meten in de 100 grootste steden van Amerika, waarbij wordt onthuld dat oudere steden de neiging hebben bredere, meer op auto's gerichte straten te hebben met mediane oversteekafstanden variërend van 32 tot 78 voet.
Dit artikel introduceert de datagedreven ARGOS-metriek, een theoretisch gefundeerde en empirisch robuuste tool voor het selecteren van de meest gevoelige anomaliedetectiemodellen op een model-agnostische wijze, waarmee de superieuriteit ervan ten opzichte van bestaande metrieken zoals binary cross-entropy loss wordt aangetoond in taken zoals hyperparameteroptimalisatie en featureselectie.
McSAS3 is een gerefactorde Monte Carlo-software suite met een grafische gebruikersinterface die geautomatiseerde en flexibele vormvrije analyse van small-angle scattering-data mogelijk maakt voor zowel verdunde als dichte verstrooiers.
Het artikel introduceert PanopTag, een nieuwe encoder-decoder architectuur die simultaan alle jets in een deeltjesbotsingsgebeurtenis tagt door gebruik te maken van inter-jet correlaties en gebeurtenisniveau-context, waardoor het traditionele single-jet classificatiemethoden voor heavy-flavor tagging aanzienlijk overtreft.
Om het risico van de "kokende kikker", waarbij studenten zich door generatieve AI onttrekken aan de epistemische praktijken van het leren van natuurkunde, aan te pakken, stelt dit artikel een instructieontwerpkader voor dat AI positioneert als een begrensde epistemische partner binnen cognitief geactiveerde activiteiten om ervoor te zorgen dat studenten de primaire actoren blijven van voorspelling, interpretatie en evaluatie.
Deze tutorial biedt een praktische gids voor Single Pixel Imaging en Compressive Sensing, waarbij de experimentele implementaties van diverse reconstructiemethoden worden toegelicht—van deterministische algoritmen tot deep learning—vergezeld van bijbehorende Python-notebooks om de reproductie van resultaten en toepassing op diverse beeldvormingsscenario's te vergemakkelijken.