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.

Selectivity- and Activity-Aware Catalyst Descriptors for CO2_2 Hydrogenation on Alloy Nanocatalysts using Machine-Learned Force Fields

Deze studie introduceert een raamwerk voor facet-opgeloste adsorptie-energieverdeling dat gebruikmaakt van machine-geleerde krachtenvelden om 1,4 miljoen adsorptieplaatsen op diverse legeringsoppervlakken te analyseren, waardoor specifieke samenstellingen en oriëntaties worden geïdentificeerd die zowel activiteit als methanolselectiviteit voor CO2_2-hydrogenering optimaliseren.

Prajwal Pisal, Ondřej Krejčí, Patrick Rinke2026-05-11🔬 cond-mat.mtrl-sci

An information-matching approach to optimal experimental design and active learning

Dit artikel introduceert een schaalbare, op convexe optimalisatie gebaseerde informatie-matchingbenadering die de Fisher-informatiematrix benut om minimale, hoogwaardige trainingsdata te selecteren voor het nauwkeurig voorspellen van grootheden van belang, waardoor data-schaarste en parameteronidentificeerbaarheid in diverse wetenschappelijke modellering- en actief leertoepassingen worden aangepakt.

Yonatan Kurniawan, Tracianne B. Neilsen, Benjamin L. Francis, Alex M. Stankovic, Mingjian Wen, Ilia Nikiforov, Ellad B. Tadmor, Vasily V. Bulatov, Vincenzo Lordi, Mark K. Transtrum2026-05-08🔬 physics.app-ph

Experimental measurement of quantum-first-passage-time distributions

Dit artikel rapporteert de eerste experimentele meting van kwantum-verdelingstijden van eerste doorgang (QFPTDs) met behulp van een enkele gevangen ion, waarmee een duidelijke verbinding wordt gelegd met klassieke tegenhangers en nieuwe wegen worden geopend voor het onderzoeken van kwantumdynamica, zoekalgoritmen en het meetprobleem.

Joseph M. Ryan, Simon Gorbaty, Thomas J. Kessler, Mitchell G. Peaks, Stephen W. Teitsworth, Crystal Noel2026-05-08⚛️ quant-ph

Bayesian leave-one-out cross-validation for astrophysical model comparison using gravitational-wave background data

Deze studie past Bayesiaanse leave-one-out crossvalidatie toe op pulsartimingarray-data om vier modellen voor de evolutie van superzware-black-hole-binaria te vergelijken, waarbij wordt geconcludeerd dat de huidige bewijslast geen enkel model boven de anderen overtuigend bevoordeelt, maar dat de data wel ondersteuning bieden voor door ultralichte donkere materie veroorzaakte onderdrukking bij lage frequenties, zonder deze echter tot nu toe te onderscheiden van generieke scenario's voor omgevingsgerichte verharding.

Shreyas Tiruvaskar, Chris Gordon2026-05-08🔭 astro-ph

Partial Effective Information Decomposition for Synergistic Causality

Dit artikel introduceert Partial Effective Information Decomposition (PEID), een nieuw interventiefraamwerk dat multivariate causale invloeden onder interventies met maximale entropie uniek decomposeert in unieke en synergetische componenten, waardoor de karakterisering van synergetische causatie, neerwaartse causatie en interpreteerbare causale structuren in complexe systemen mogelijk wordt.

Mingzhe Yang, Shuo Wang, Jiang Zhang2026-05-06📊 stat

Toward a Scientific Discovery Engine for Weather and Climate Data: A Visual Analytics Workbench for Embedding-Based Exploration

Dit artikel presenteert een open-source werkbank voor visuele analyse die wetenschappers in staat stelt om op inbeddingen gebaseerde representaties van grootschalige weers- en klimaatdata te interpreteren, valideren en te exploreren door zoekresultaten in de latente ruimte terug te koppelen naar hun fysische oorsprong en metadata, waardoor een ontdekkingsworkflow wordt vergemakkelijkt voor het identificeren en terugvinden van analoge gebeurtenissen zoals tropische cyclonen.

Nihanth W. Cherukuru, Matt Rehme, Kirsten J. Mayer, David John Gagne, John Schreck, John Clyne, Charlie Becker2026-05-05🔬 physics

Testing General Relativity Through Gravitational Wave Classification: A Convolutional Neural Network Framework

Dit artikel introduceert een machine learning-framework dat gebruikmaakt van op responsfunctie-observabelen getrainde convolutionele neurale netwerken om de classificatie van zwaartekrachtgolfsignalen voor het testen van de algemene relativiteitstheorie aanzienlijk te verbeteren, met een 33-voudige verbetering in gevoeligheid ten opzichte van standaard golfvorm-ingangen en met succes de detectie van afwijkingen in theorieën van zware zwaartekracht.

Lavinia Heisenberg, Shayan Hemmatyar, Hector Villarrubia-Rojo2026-05-05⚛️ gr-qc