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。

该论文提出了一种基于代数过滤的对称性约束方法，通过将对称生成元视为候选空间上的线性算子并求解线性核方程，能够系统且完备地枚举连续方程中所有允许的项，从而为数据驱动的物理方程发现提供了高效的搜索空间构建方案。

该研究利用统计物理原理构建了线虫突触与神经肽连接组的统一多路框架，揭示了突触与 extrasynaptic 信号通过四种功能特化机制（包括拓扑依赖的稳态层、拓扑鲁棒的调节层、纯 extrasynaptic 生存层及纯突触快速处理层）协同工作，共同优化了大脑在速度、调节、鲁棒性和生存方面的功能组织。

本文提出了名为 QuantumXCT 的混合量子 - 经典生成框架，通过将细胞转录组编码至高维希尔伯特空间并学习参数化量子电路中的幺正变换，实现了无需先验假设即可从单细胞数据中推断细胞间通讯诱导的状态转变，从而为复杂生物系统中的通讯程序从头发现提供了新范式。

本文提出了一种模板自适应混合模型，通过利用多种有偏模拟数据来校正模拟与真实数据之间的分布差异，从而在粒子物理信号分数估计中实现无偏的参数推断和可靠的误差评估。

该研究通过引入参数化的确定性逻辑生命游戏模型，揭示了纯确定性相互作用中可涌现出包含自组织临界性与确定性渗流相变在内的三种渐近动力学相，并观测到具有非常规临界指数的幂律簇分布，从而证明了纯确定性系统也能产生标度不变性。

该论文提出了一种从受噪声干扰且部分不可测的复杂耦合系统的离散状态快照中，量化非线性相互作用并推断耦合动力学的定量方法。

本文将 Maldonado 等人此前在坐标空间发展的主动学习代理模型扩展至动量空间，利用基于 Lippmann-Schwinger 方程的降阶模型和贪婪算法，高效且带有误差估计地模拟了耦合道核子两体散射的相移与截面，为未来核相互作用的贝叶斯校准奠定了基础。

本文提出了一种受量子电动力学启发的规范媒介流行病模型，通过引入环境病原体场将非局部传播机制纳入框架，利用场论方法推导出有效作用量并揭示屏蔽效应与相变条件，且基于德国新冠数据的实证分析表明该模型能比传统模型提前约一周预测疫情爆发并捕捉超扩散特征。

该研究利用TESS卫星连续观测区1至87个扇区的数据，构建了包含19,151颗红巨星的星震学星表，通过结合视觉评估、nuSYD/pySYD流程及卷积神经网络分类，实现了高精度的恒星参数测定，显著扩展了已知振荡红巨星样本，并为银河系考古学提供了均匀且可靠的星震学数据。

本文提出了一种名为 BuSyNet 的深度学习架构，通过结合量纲一致性与辛几何约束，将轨迹映射为作用 - 角变量以发现具有物理可解释性的符号化哈密顿量表达式，从而在长时预测精度、稳定性及可解释性上超越了现有方法。