Plotting correlated data
该论文指出当数据点的不确定性存在相关性时,传统的误差棒无法有效评估模型拟合度,并提出通过显式展示不确定性的第一主成分及条件不确定性来改进可视化方法,从而更准确地判断模型与数据的一致性。
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。
该论文指出当数据点的不确定性存在相关性时,传统的误差棒无法有效评估模型拟合度,并提出通过显式展示不确定性的第一主成分及条件不确定性来改进可视化方法,从而更准确地判断模型与数据的一致性。
本文提出了名为 JetPrism 的可配置条件流匹配框架,通过引入物理信息驱动的多指标评估协议,解决了核物理生成模拟与逆问题中标准损失函数无法准确反映真实收敛性的缺陷,从而确保生成模型在无需记忆训练集的情况下与真实数据达成精确统计一致。
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。
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。
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。
该研究通过提出衡量欧美 18 个城市私家车与公共交通可达性差距的“汽车依赖指数”(CDI),揭示了汽车依赖是驱动私家车拥有的核心因素,并论证了唯有系统性的网络级公共交通扩张而非孤立干预,才能有效打破汽车主导的城市模式并推动可持续交通转型。
本文研究了顶点权重服从无限均值帕累托分布的异质随机图模型,证明了其度分布经缩放后收敛于混合泊松分布,揭示了度之间的渐近相关性特征,并分析了楔形与三角形的渐近密度及孤立点存在的相变现象。
该论文提出了一种利用同步辐射 X 射线脉冲在时域测量核前向散射,并通过能量重叠的多重测量实现一维相位重建的“能量 - 时间叠层成像”方法,从而克服了传统伽马射线源的带宽限制,实现了无需复杂建模即可从单次测量中同时获取透射光谱与散射响应相位。