332 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 presenteert een poging om het tweejarige gat in de IERS C01 poolbewegingsreeks voor de periode 1858,9-1860,9 te dichten door twee methoden te vergelijken, waarbij de data-gedreven Singular Spectrum Analysis (SSA) als de voorkeursmethode wordt aanbevolen vanwege een vollediger model.
Deze studie introduceert een rotatie-invariante neurale netwerkarchitectuur die de globale minimum-variatie portefeuille optimaliseert door historische rendementen en covariantiematrices te leren transformeren, wat resulteert in een robuustere en interpreteerbare strategie met superieure risicorendementen in vergelijking met bestaande methoden.
Dit paper bespreekt de verwarring rondom Poisson-sampling in de natuurkunde en beveelt aan om de resultaten samen te vatten met Garwood's betrouwbaarheidsintervallen vanwege hun goede statistische eigenschappen en intuïtieve p-waarden.
Dit paper introduceert een geoptimaliseerde architectuur voor Kolmogorov-Arnold-netwerken die door middel van differentieerbare mechanismen, zoals sparsificatie en diepteselectie onder een minimum description length-doelstelling, compacte en interpreteerbare modellen levert zonder in te leveren op nauwkeurigheid.
Dit artikel weerlegt het misverstand dat fine-tuning-argumenten aleatorische onzekerheid vereisen, en toont aan dat het Bayesiaanse formalisme automatisch een 'Occam's scheermes' biedt dat onnatuurlijke modellen die fijnafstemming nodig hebben om met waarnemingen overeen te komen, afkeurt.
Dit onderzoek toont aan dat het assimileren van diepzeeobservaties in ensemblevoorspellingen van de Golf van Mexico essentieel is om de initieel diepe oceaancondities beter te beperken en zo de nauwkeurigheid van oppervlakte- en suboppervlaktevoorspellingen te verbeteren.
Dit artikel introduceert een nieuw axiom dat stelt dat entropische parameters niet uit een uniforme verdeling kunnen worden afgeleid, waardoor Rényi-entropie als de enige consistente generalisatie wordt geselecteerd en een veralgemeende Maximum Likelihood-methode mogelijk wordt die de log-likelihood gelijkstelt aan de negatieve Shannon-entropie.
Deze studie toont aan dat vroege deelname aan brokerage in de academische wereld een cumulatief voordeel oplevert dat de ongelijkheid in academisch succes versterkt, maar dat het bevorderen van dergelijke kansen voor vroege carrières wel kan bijdragen aan het verminderen van deze ongelijkheden.
Dit onderzoek toont aan dat Quantum Generative Adversarial Networks (QGANs), die gebruikmaken van quantumcorrelaties, synthetische financiële tijdreeksen kunnen genereren die zowel de doelverdeling als de gewenste temporele correlaties nauwkeurig nabootsen.