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.
Deze paper leidt exacte analytische uitdrukkingen af voor de oppervlakte-correlatiefuncties van 'dead-leave' modellen, die geldig zijn voor willekeurige korrelvormen en dimensies, en vergelijkt deze resultaten met die van Boolean-modellen en Debye-ruwheidsmedia.
Dit paper presenteert een unificerend raamwerk dat de schijnbare tegenstelling tussen entropietoename en het ontstaan van complexe structuren oplost door te tonen dat ordening op coarser schaal kan ontstaan terwijl de volledige faseruimte-entropie toeneemt via transportgeometrie en informatie-theorie, met toepassing op kosmische structuurvorming en bredere mesoscopische systemen.
Deze studie introduceert een fysiek interpreteerbaar, data-gedreven raamwerk dat geometrische en elastische eigenschappen koppelt aan de waterstofopslagcapaciteit en evenwichtsdruk van interstitiële hydriden, waardoor de ontwerprichting voor materialen met hoge opslagcapaciteit bij praktische omstandigheden wordt geoptimaliseerd.
EnScale is een nieuw generatief machine learning-kader dat, met behulp van proper scoring rules en een innovatieve super-resolutiestap, kostenefficiënt en temporair consistent multivariate klimaatvariabelen voor Centraal-Europa downscale van ruwe GCM-gegevens naar hoge-resolutie RCM-gegevens.
Deze paper introduceert een variational dimension lifting-framework dat niet-lineaire stochastische dynamica via een inverteerbare transformatie naar een lineair Gaussisch model in een hogere dimensie afbeeldt, waardoor robuuste tracking mogelijk wordt zonder de structurele instabiliteiten van conventionele filters.
Deze paper introduceert de GAPE-methode (Genetic Algorithm Powered Evolution) om diep leernetwerken te optimaliseren voor de PROSPECT-experimenten, waarbij de resultaten aantonen dat deze aanpak de signaal-ruisverhouding bijna 2,8 keer kan verbeteren en systematische vertekeningen in de data-effectieve kan mitigeren.
Deze studie ontwikkelt een methode met conditionele normaliserende stromen om de eiwitproductiekinetiek in delende cellen nauwkeurig te reconstrueren door rekening te houden met erfelijkheid, en toont hiermee aan dat het *glc3*-gen in gist onder stressomstandigheden slechts kort en tijdelijk wordt geactiveerd.
Deze studie introduceert DeepX-GAN, een generatief model dat onwaarschijnlijke ruimtelijke hitte-extremen simuleert om verborgen risico's voor kwetsbare regio's in het Midden-Oosten en Noord-Afrika bloot te leggen en adaptieve planning te ondersteunen.
Dit artikel introduceert een speciaal nummer over symbolische regressie in de natuurwetenschappen, waarin de methodologische grondbeginselen, toepassingen, uitdagingen en toekomstperspectieven van deze techniek voor het ontdekken van interpreteerbare wiskundige relaties worden besproken.
Dit artikel koppelt responsietheorie en optimale vingerafdrukken aan niet-autonome systemen om de impact van veranderende dwangfactoren te voorspellen en waargenomen anomalieën toe te schrijven, zelfs wanneer de referentiestaat tijdsafhankelijk is, wat wordt onderbouwd met numerieke resultaten van een aangepast Ghil-Sellers-energiebalansmodel.