Bayesian approach for uncertainty quantification of hybrid spectral unmixing in -ray spectrometry
本文针对能谱混合解混中的不确定性量化问题,提出并评估了拉普拉斯近似与马尔可夫链蒙特卡洛两种贝叶斯方法,结果表明后者在光谱变形约束激活或背景计数主导等导致后验分布非高斯的情况下,仍能提供更稳健的置信区间估计。
252 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。
本文针对能谱混合解混中的不确定性量化问题,提出并评估了拉普拉斯近似与马尔可夫链蒙特卡洛两种贝叶斯方法,结果表明后者在光谱变形约束激活或背景计数主导等导致后验分布非高斯的情况下,仍能提供更稳健的置信区间估计。
本文针对 IERS C01 极移序列中 1858.9 至 1860.9 年间坐标存在的两年数据缺失问题,首次尝试并对比了参数天文模型与奇异谱分析(SSA)两种填补方法,结果表明基于更完整极移模型的 SSA 方法更为可取。
该论文旨在解决物理学家在泊松分布结果描述上的困惑,通过比较不同方法的性能,推荐使用加伍德(Garwood)提出的置信区间,因其具有良好且直观的特性,并指出若未考虑底层泊松分布,对区间进行平均可能会产生问题。
本综述论文探讨了将重整化群框架从传统物理系统拓展至现实世界网络这一异质且几何复杂的领域时所面临的挑战、关键进展及未决问题。
该研究通过数据驱动方法系统评估了 6000 多种时间序列统计指标,发现虽然不存在能适用于所有不可逆系统的单一通用指标,但广义自相关函数、符号序列及预测相关方法等特定统计家族能有效识别时间不可逆性,从而强调了根据具体系统特征定制统计方法的重要性。
该研究首次针对头颈癌预后预测任务,基于多中心 HECKTOR 数据集对 13 种可解释人工智能(XAI)方法在 24 项指标上进行了全面评估与排名,发现集成梯度(IG)和 DeepLIFT(DL)在忠实性、复杂性和合理性方面表现最优,从而为临床 AI 的可解释性选择提供了重要依据。
该论文提出了一种基于贝叶斯理论的严谨方法,通过优化 MINFLUX 显微镜的扫描策略,显著减少了实现纳米级定位精度所需的荧光光子数量或曝光时间。
该研究通过构建简化的最优控制模型推导出动态翱翔的运输能耗理论下限,并利用归一化后的野外观测轨迹数据,成功将信天翁、海燕和蛎鹬等不同海鸟的飞行模式统一映射到同一速度 - 能耗平面上,从而量化评估了各类海鸟在风能利用方面的优化程度。
本文提出并评估了一个基于大语言模型的证明概念系统,该系统能够从高能物理出版物中提取分析流程并自动生成可执行代码,旨在辅助复现物理结果,尽管目前仍面临幻觉和随机性等挑战,但已展现出作为人机协作工具的潜力。
本文介绍了 NOMAI,这是一种部署于 Fink 中介系统中的实时机器学习分类器,它利用基于物理模型的光度特征从 ZTF 巡天数据中高效识别超亮超新星候选体,并在试运行期间成功恢复了绝大多数已知目标,为未来 Rubin 天文台的大规模时域巡天奠定了基础。