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。

该研究通过结合自动化高通量实验与数据精简技术，从超过 1000 次随机阵风事件中提炼出少量具有代表性的“教科书”级案例，成功构建了能够以极高效率捕捉复杂非定常气动载荷多样性并实现高精度预测的机器学习模型。

本文通过对80台风力发电机五年数据的分析，揭示了风电波动中普遍存在的集体性与非线性相关结构，并阐明了这些特征如何导致风场总输出呈现出超常的持续性与间歇性，为电网管理和风电场设计提供了新视角。

本文通过推导扩展 Chiarella 金融市场模型的平稳分布，揭示了趋势项与均值回归项在不同参数机制下的模态演变（如从单峰到双峰的 P-分岔），并纠正了文献中关于趋势分布与错价分布之间关系的错误结论。

本文研究了如何通过有限规模神经网络中单一标量宏观观测值的序列数据，利用差分进化算法结合模型同步技术，实现对具有平均场描述的神经网络未知参数及隐藏宏观变量状态的精确推断。

本文开发了一种基于多分形随机游走（MRW）模型的简单高效方法，通过对对数相关高斯场进行非线性变换与分数积分，实现了对多分形场缩放特性（粗糙度、间歇性及范围）的精确控制，并成功将其应用于实验数据的“解包”分析，揭示了金属合金断裂面中类似于流体湍流耗散结构的各向异性丝状簇特征。

本文通过分析巴西塞阿拉州2016至2019年的电子发票大数据，利用Infomap算法识别城市贸易社区，并结合比较优势（RCA）指数与最大熵模型（Ising模型），揭示了城市贸易网络在社区层面表现出接近“临界点”的高经济凝聚力。

本文通过定义一种受“适应度”（fitness）驱动的非线性指数随机图（ERG）变体，解决了传统线性模型无法拟合经验度分布方差的问题，从而在保持解释力的同时实现了对度分布前两阶矩的重现。

本文提出了一种可适用于任何距离度量的层次化拓扑聚类算法，能够通过层次结构识别任意形状的聚类及离群点，并在图像、医学和经济等复杂数据集上展示了优于传统方法的聚类能力。

本文提出了一种名为 Poisson Log-Normal (PoLoN) 的非参数化过程，通过利用高斯过程（GP）对泊松对数率进行建模，实现了对离散计数数据的有效预测、信号提取及参数估计。

本文介绍了一个名为 `PoissonRatioUQ` 的 R 语言软件包，旨在通过贝叶斯建模方法，针对基于泊松均值比而非计数比的问题，提供包括空间信息处理及复杂幂函数形式在内的多种计数比不确定性量化方案。