252 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 beschrijft de statistische methoden die worden gebruikt om astrometrische dubbelster-asteroïden te detecteren in Gaia FPR-data, presenteert een bijgewerkte lijst van 343 kandidaten en demonstreert de betrouwbaarheid van de methode door middel van prestatiebeoordelingen die aanzienlijk hogere detectiepercentages aantonen in vergelijking met simulaties die uitsluitend ruis bevatten.
Dit artikel stelt een nieuw raamwerk voor signaaldetectie voor dat de noodzaak om de volledige achtergronddistributie te schatten omzeilt door gebruik te maken van een enkele "compensator"-parameter om achtergrondonzekerheid te compenseren, waardoor de complexiteit van de inferentie wordt vereenvoudigd en de propagatie van onzekerheid wordt verbeterd.
Dit artikel introduceert Lumina, een modulier Python-gebaseerd raamwerk dat gefragmenteerde multischaal materiaaldata voor extreme aero-chemo-thermomechanische regimes verenigt tot een gecentraliseerd, door AI verrijkt ecosysteem om experimenteel ontwerp te stroomlijnen, chemisch gedrag te valideren en voorspellende modellering te verbeteren voor geavanceerde defensie- en ruimtevaarttoepassingen.
Door het analyseren van hoogwaardige gegevens uit 142 steden wereldwijd, toont deze studie aan dat intra-urbane klimaatfluctuaties in temperatuur en luchtverontreiniging universele schaalfuncties volgen die worden bepaald door gemiddelde eigenschappen van het stratenpatroon, waardoor de beperkingen van traditionele stadsgroottemetingen worden overwonnen en nauwkeurigere modellen met gereduceerde complexiteit voor stadsplanning mogelijk worden gemaakt.
Dit artikel introduceert een transparant, coderingsonafhankelijk raamwerk dat gebruikmaakt van resource-tellingen en hardware-benchmarks om aan te tonen dat het bereiken van vroege quantum-utility voor het Capacitated Vehicle Routing Problem (CVRP) momenteel onwaarschijnlijk is op NISQ-apparaten, waarbij een massaal qubit-voordeel voor hogere-orde coderingen ten opzichte van directe QUBO-mappings wordt blootgelegd, terwijl tegelijkertijd wordt gesuggereerd dat innovatieve probleemdecompositie essentieel is voor toekomstig quantum-voordeel.
Dit artikel karakteriseert analytisch hoe verschillende activatiefuncties van verborgen eenheden in Restricted Boltzmann Machines de statistieken van geïnduceerde interacties en het vermogen om complexe, hogere-orde datastructuren te leren beïnvloeden, en toont aan dat snel toenemende niet-lineariteiten zoals de Exponentiële functie de representatie en het leren van dergelijke patronen aanzienlijk kunnen faciliteren.
GenL is een flexibel, uitbreidbaar en open-source MATLAB-gebaseerd programma dat een genetisch algoritme gebruikt om X-ray reflectiviteits- en diffractiedata van epitaxiale dunne films te simuleren en te fitten, en zowel broncode als vooraf gecompileerde binaire opties biedt voor het extraheren van structurele parameters zoals rekprofielen en kristalruwheid.
Dit artikel introduceert *vega-mir*, een open-source Python-toolkit voor symbolische muziekanalyse met negen informatietheoretische metrieken, en demonstreert de bruikbaarheid daarvan via casestudies die een correlatie onthullen tussen graafcentraliteit van harmonie en harmonische afstand over componisten heen, evenals bewijs dat Glenn Gould's rubato wordt gekenmerkt door gestructureerde periodiciteit in plaats van metronomische stijfheid.
Dit artikel presenteert een Bayesiaanse inferentie-aanpak die wordt toegepast op een drie-microfoon buismethode met een circumferentiële microfoonverdeling om faseoverschrijdingen op te lossen en de karakteristieke impedantie en de voortplantingscoëfficiënt van poreuze media nauwkeurig te schatten over uitgebreide frequentiebereiken.
Dit artikel stelt een hybride, op neurale simulaties gebaseerde inferentiebenadering voor om de trilineaire zelfkoppeling van het Higgsboson en andere SMEFT-operatoren te beperken met behulp van productie van het Higgsboson buiten het massaschil bij de High-Luminosity LHC, waarbij een bijna theoretisch optimale gevoeligheid wordt bereikt door matrixelement-versterkte training te combineren met classificatie-gebaseerde achtergrondschatting.