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.
Deze studie presenteert een efficiënt 'multi-fidelity' surrogaatmodel dat gebruikmaakt van recursieve co-kriging om windbelastingen op moderne containerschepen in havenomgevingen nauwkeuriger te voorspellen met een lagere computationele kostprijs dan traditionele CFD-simulaties.
Dit artikel presenteert een nieuwe "Physics-Informed Temporal U-Net" die door middel van een fysica-geïnspireerde brug en perceptuele verliesfuncties vloeiende en gedetailleerde vloeistofinterpolaties mogelijk maakt zonder de typische onscherpte van standaard deep learning-methoden.
ArchGEM is een nieuw geautomatiseerd framework dat de fysieke eigenschappen van verstrooid lichtruis in LIGO-detectoren analyseert door de kenmerkende boogvormige patronen in spectrogrammen te identificeren en te karakteriseren.
Deze paper interpreteert de stabiele temperatuurratio in de stille zon als een maat voor het verschil in informatieprojectie (relatieve entropie) tussen EUV- en radiodiagnostiek wanneer een niet-evenwichtige verdeling wordt benaderd met een Maxwell-verdeling.
Dit onderzoek toont aan dat de turbulentie-cascade een veel grotere geheugeneffecten (Markov-Einstein coherentielengte) vertoont dan voorheen werd aangenomen, waarbij met name de intermitterende gebeurtenissen de traditionele Markov-benadering overschrijden.
Deze paper introduceert DySIB, een methode die door middel van een informatie-bottleneck-principe in de latente ruimte interpreteerbare, laagdimensionale dynamische variabelen kan afleiden uit hoogdimensionale experimentele data, zoals video-opnames van een fysieke slinger.
Dit artikel presenteert een methode voor het berekenen van lokale statistieken op incomplete rastergegevens (zowel Cartesiaans als polair) door gebruik te maken van grensgevoelige spectrale operatoren om artefacten en instabiliteit te voorkomen.
Dit artikel presenteert de eerste uitgebreide bepaling van de productieve kruissecties en vertakkingsverhoudingen voor alle belangrijke hadronische Higgs-vervalmodi bij de FCC-ee, waarbij een combinatie van ZH- en VBF-productieprocessen leidt tot een precisie op het promilleniveau en voor het eerst gevoeligheid toont voor het zeldzame verval .
Dit artikel introduceert een breed scala aan nieuwe signaalbenchmarks en een omvattende set van agnostische observabelen (de "kitchen sink"), die samen de meest gevoelige aanpak blijken voor het detecteren van anomalieën in deeltjesfysica, terwijl een variant met attributen-bagging de trainingskosten aanzienlijk verlaagt zonder prestatieverlies.
Dit onderzoek toont aan dat goed ontworpen en getrainde wetenschappelijke machine-learning-emulators, met name bij gebruik van effectieve schaling en een gematigde netwerkcomplexiteit, de aerosolmicrofysica in het E3SMv2-klimaatmodel nauwkeurig kunnen nabootsen, wat waardevolle inzichten biedt voor de toekomstige ontwikkeling van dergelijke modellen.