PoissonRatioUQ: An R package for band ratio uncertainty quantification
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。
🔬 Category
physics.data-an
335 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。
Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent
本文通过张量程序（Tensor Programs）和奇异摄动理论，在无限宽两层神经网络的框架下，利用快慢动力学分析揭示了特征学习与特征遗忘（Feature Unlearning）的机制，并指出了数据非线性强度与第二层权重初始尺度对特征遗忘的影响。
DerivKit: stable numerical derivatives bridging Fisher forecasts and MCMC
DerivKit 是一个 Python 软件包，通过实现稳定的数值微分工具，为 Fisher 信息矩阵预测和基于导数的似然函数近似（如 DALI）提供支持，从而在快速的 Fisher 预测与高计算成本的 MCMC 采样方法之间搭建起桥梁。
Mutual information and task-relevant latent dimensionality
本文提出了一种基于信息瓶颈（Information Bottleneck）框架的新方法，通过引入混合判别器（hybrid critic）解决了神经互信息估计器在估计任务相关潜在维度时存在的偏差问题，并实现了一种无需遍历瓶颈大小即可实现单次估计有效维度的协议，该方法在合成数据、内在维度估计及物理数据集上均表现出优越的可靠性。
An efficient method for spot-checking quantum properties with sequential trials
本文提出了一种针对非独立同分布（non-i.i.d.）序列的高效抽检方法，能够在有限次数的实验中以渐进紧致的置信度，仅需平均常数次抽检即可实现对量子资源性能的可靠认证。