physics.data-an 篇论文

物理学中的数据分析和计算模拟正以前所未有的速度重塑我们对自然规律的理解。这一领域不再仅仅依赖传统的实验室测量，而是通过处理海量观测数据，揭示出宇宙从微观粒子到宏观星系中隐藏的复杂模式。

在 Gist.Science，我们直接从 arXiv 获取该领域的最新预印本，并为您精心处理每一份新发布的论文。无论是通俗易懂的科普解读，还是深入严谨的技术摘要，我们都致力于让前沿的物理数据分析成果变得触手可及。

下方为您呈现该分类下最新的精选论文，助您快速把握数据驱动物理学的最新脉搏。

本文提出了一种基于混合专家的基础模型，该模型通过利用共享的 Transformer 骨干网络，直接在低层探测器输入上运行，将 GlueX DIRC 探测器的快速模拟、粒子识别和噪声过滤统一起来，其性能超越或媲美现有的特定任务方法。

本文介绍了“超统计”，这是一个通过保持非加性 $q$ 熵的凹性并推导出通用的 $q$ 指数玻尔兹曼因子来对玻尔兹曼-吉布斯统计失效的复杂系统进行建模的通用框架，该因子成功解释了从电容器放电和低温恒温器压力衰减到高能粒子碰撞和湍流加速等多样现象。

本文介绍了“联合动态规划”，这是一种协同设计框架，能够同时优化连续硬件几何结构与自适应测量策略，从而在传感任务中显著超越传统的非自适应或分别优化的方法，正如雷达、量子及光子传感器案例研究中所展示的大幅误差降低所证实的那样。

本文提出了一种霍普菲尔德型联想记忆模型，其中星形胶质细胞介导的熵正则化增益调制动态地实现了自注意力机制，从而与经典方法相比，在高记忆负载下显著提高了检索准确率。

本文通过一种名为“基于模拟器的成分分析”（emulator-based component analysis）的响应目标方法，对乙醇溶液中反式叠氮苯的模拟紫外-可见吸收光谱进行了结构分解，从而识别出决定光谱变化的少数关键结构特征，并揭示了光激发后某些结构特征的过度表征现象。

本文提出了一种基于递归共克里金（recursive co-kriging）的多保真度代理模型框架，通过融合经验公式、简化模型与高精度CFD模拟，实现了对现代集装箱船在港口环境下风载荷系数的高效且准确预测。

本文通过副本场论（ $\epsilon$ 展开）与二维数值模拟研究了临界伊辛模型中测量精度诱导的贝叶斯相变，发现了副本描述中存在一种类似于自旋玻璃中 Nishimori 现象的扩展对称性，并由此确定了 Edwards-Anderson 相关函数的精确指数。

本文提出了一种结合 VGG 感知损失与物理启发式桥接机制（Physics-Informed Bridge）的新型时序 U-Net 架构，通过引入时间加权特征融合与抛物线边界约束，解决了稀疏流体观测数据插值中常见的空间模糊与时间闪烁问题，实现了高保真度的流体动力学重建。

本文介绍了一种名为 ArchGEM 的自动化分析框架，通过结合峰值检测与高斯混合模型，能够自动识别并表征 LIGO 探测器中散射光噪声的特征，从而通过频谱特征推断散射表面的运动物理属性，为噪声缓解提供指导。

本文提出了一种结合统计力学中“温度调节后验”（tempered posterior）与 Wang-Landau 采样算法的新方法，通过模拟相变过程自动识别最优温度，从而在处理高维、相关且具有“挫折感”的复杂现实数据时，能以更低的计算和人工成本实现更精准的贝叶斯推断。