Recent advances and trends in pattern recognition and data analysis for RICH detectors
本文综述了环形切伦科夫探测器(RICH)在粒子识别中重建算法的最新进展,涵盖了从传统的似然法和霍夫变换到现代机器学习工具的应用,并探讨了全局粒子识别策略及生成式机器学习等新兴趋势。
334 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。
本文综述了环形切伦科夫探测器(RICH)在粒子识别中重建算法的最新进展,涵盖了从传统的似然法和霍夫变换到现代机器学习工具的应用,并探讨了全局粒子识别策略及生成式机器学习等新兴趋势。
该研究利用逻辑回归与监督学习技术,结合实验相平衡数据库,构建了铁、氧化镁、二氧化硅及硅酸镁四种行星基本材料在高达 5000 GPa 压力下的全球反演相图,解决了长期存在的熔点争议并优化了巨行星与超级地球的内部结构模型。
本文提出了一种通过膨胀不确定性来选择先验参数化的方法,从而在多个实验结合分析中,即使存在未知的参数相关性,也能确保对感兴趣参数给出保守的后验不确定性。
该研究提出了一种基于信息论的预测增益方法,通过量化离散随机过程中的高阶时间依赖性,有效评估了美国各地降水事件的记忆效应,发现降水发生主要由低阶马尔可夫链描述且存在显著的区域与季节差异,从而为构建简约的随机模型和改进实时预报提供了理论框架。
该论文介绍了一种名为离子计数辅助显微镜(ICAM)的定量成像技术,通过统计原理估算二次电子产率并改进数据采集方式,有效降低了散粒噪声,从而在氦离子显微镜中实现了三倍的剂量降低,使脆弱样品的成像成为可能。
该研究提出了一种无需直方图化、数值积分或最小二乘拟合的新方法,直接分析中子散射事件模式数据,从而在显著降低系统误差并提高参数精度的同时,实现了比传统方法高出数个数量级的数据效率,尽管其代价是计算时间增加且方法直观性降低。
本文提出了一种基于最大熵原理的连续时间动态网络建模框架,通过推导非齐次泊松过程强度与静态边概率的因子分解形式,实现了可解释的模块化表示,并提供了闭式解以生成有效模型及计算网络统计量。
该论文通过整合理论进展并开发无需解码器的算法,从 Google Willow 芯片的综合征数据中精确估计了探测器误差模型(DEM),不仅揭示了长程探测器关联主要由关联测量误差引起,还发现了传统 DEM 无法解释的相邻探测器关联翻转及辐射事件等异常现象,并展示了该模型在在线表征和逻辑内存实验中的不同应用价值。
本文证明了当贝叶斯层次模型中给定超参数的先验为最大熵分布时,通过对超参数积分得到的参数边缘先验同样具有最大熵性质,只是其约束条件变为对未知量某函数的边缘分布的约束,从而揭示了层次模型所隐含的假设信息。
本文提出了一种基于映射的两步框架,通过将详细化学动力学的不确定性投影到降维流形上,实现了在计算成本可控的前提下对复杂燃烧装置中反应流场进行空间分辨且物理可解释的量化不确定性分析。