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。

Hierarchical Maximum Likelihood Estimation for Time-Resolved NMR Data

本文提出了一种基于贝叶斯分层模型的层次化最大似然估计方法,用于解决超极化核磁共振时间分辨数据的定量分析问题,该方法通过全数据优化和不确定性内禀传播,在精度和效率上均优于传统的两阶段处理及傅里叶变换方法,并成功应用于高场核磁共振与金刚石氮 - 空位中心检测的实验验证。

Lennart H. Bosch, Pernille R. Jensen, Nico Striegler, Thomas Unden, Jochen Scharpf, Usman Qureshi, Philipp Neumann, Martin Gierse, John W. Blanchard, Stephan Knecht, Jochen Scheuer, Ilai Schwartz, Mar (…)2026-04-14🧬 q-bio

Multistability and intermingledness in complex high-dimensional data

该论文提出了一种基于计算非线性动力学的分析工作流,能够算法化地识别高维复杂模拟数据(如气候模型)中的多稳态及其吸引域,并通过优化观测变量和定义“交织度”指标来量化不同稳态间的异同,从而为气候及生态系统中的多稳态监测与预警提供指导。

George Datseris, Johannes Lohmann, Oisín Hamilton, Jacob Haqq-Misra2026-04-14🔬 physics

Blume-Capel model: Estimation of a three stable state network for 1-\bf 1, 0\bf 0 and +1\bf +1 data

本文提出将源自物理学的 Blume-Capel 模型扩展应用于处理包含 -1、0 和 +1 三种稳定状态的逆问题参数估计,并通过结合伪似然与 Lasso 方法在小规模网络中实现了准确的参数恢复及置信区间构建,同时利用 Stemwijzer 平台数据验证了该方法的有效性。

Lourens Waldorp, Jonas Dalege, Maarten Marsman, Adam Finnemann, Irene Ferri, Han L. J. van der Maas2026-04-14📊 stat