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 paper introduceert het PATCH-model, dat laat zien hoe de interactie tussen preferentiële attachement, homofilie en triadische sluiting ongelijkheid en segregatie in sociale netwerken vormgeeft, en dit model toepast om aanhoudende geslachtsdispariteiten in wetenschappelijke samenwerkingsnetwerken te verklaren.
Dit onderzoek biedt een datagedreven evaluatie van ruim 6000 statistieken om tijdsasymmetrie te identificeren, waarbij wordt geconcludeerd dat er geen universele maatstaf bestaat en dat statistische benaderingen moeten worden afgestemd op de specifieke kenmerken van het onderzochte systeem.
Dit paper introduceert PRL-Bench, een uitgebreid benchmark dat is opgezet om de beperkte vaardigheden van huidige grote taalmodellen bij het uitvoeren van autonoom, end-to-end theoretisch en computationeel natuurkundig onderzoek systematisch te evalueren.
Deze studie toont aan dat voor een nauwkeurige astrofysische interpretatie van zwaartekrachtgolfwaarnemingen, in plaats van onfysische referentie-priors, een hiërarchische benadering noodzakelijk is die de populatie-informatie van de volledige catalogus integreert om de juiste a priori-kennis te vormen.
Dit artikel presenteert de eerste uitgebreide evaluatie en ranking van 13 XAI-methoden voor de voorspelling van uitkomsten bij hoofd-halskanker, waarbij Integrated Gradients en DeepLIFT consistent als de meest betrouwbare methoden naar voren kwamen.
Deze paper introduceert twee semi-empirische modellen voor het spectrum van wanddrukfluctuaties bij hoge Reynoldsgetallen, die het falen van bestaande modellen oplossen door de bijdragen van binnen- en buiten-schaal bewegingen te combineren, waardoor een nauwkeurige voorspelling mogelijk wordt voor een breed scala aan stromingen.
Dit artikel introduceert een rigoureuze Bayesiaanse methode voor MINFLUX-microscopie die, in vergelijking met huidige heuristische benaderingen, de benodigde hoeveelheid fotonen voor een resolutie van 1 nm met ongeveer een factor vier verlaagt.
Dit artikel introduceert een gereduceerde optimal-control-benchmark voor dynamisch zweven, waarmee vliegbewegingen van verschillende zeevogelsoorten in een gemeenschappelijk snelheids- en inspanningsvlak kunnen worden vergeleken en aangetoond dat de albatros het dichtst bij het theoretische optimum ligt.
Dit artikel introduceert de FAIR Universe Weak Lensing ML Uncertainty Challenge, een tweefasig initiatief dat een gestandaardiseerde benchmarkdataset met realistische systematische fouten biedt om machine learning-methoden te evalueren voor het nauwkeurig afleiden van kosmologische parameters ondanks beperkte trainingsdata en distributieveranderingen.
Deze studie presenteert een proof-of-concept systeem dat grote taalmodellen gebruikt om analyseprocedures uit HEP-publicaties te extraheren en uitvoerbare code te genereren voor het reproduceren van resultaten, waarbij de huidige prestaties en beperkingen van open-weight modellen worden geëvalueerd aan de hand van de ATLAS H→ZZ*→4ℓ-analyse.