圖書信息

內容簡介

對 arXiv physics.data-an 分類的年度綜述，涵蓋 2025 年 9 月至 2026 年 8 月期間發表的研究。本卷基於對 108 篇論文 的細讀整理，組織為 40 章，按該領域的研究子方向描繪這一年的全貌。

全書框架（年度產出佔比）：

複雜系統中的非高斯分佈與互相關 (16.3%) — 該聚類聚焦刻畫金融市場、彗星與自旋玻璃等複雜系統中的非高斯概率分佈、長程相關與隨機矩陣極限。
基於機器學習的成像與光譜重建 (15.6%) — 該聚類處理機器學習與模式識別在X射線、伽馬射線與成像應用中的相位識別、光譜重建與探測器信號分析。
物理科學中的數據驅動發現與代理建模 (15.5%) — 該聚類發展符號迴歸與代理模型等數據驅動方法，以發現控制方程並在不確定性下加速物理系統設計。
粒子物理與探測器分析中的機器學習 (11.6%) — 該聚類將機器學習技術應用於粒子物理，包括噴註標記、遷移學習與點擴散函數建模，以改善探測器性能與物理推斷。
複雜系統中的時間網絡與高階相互作用 (10.5%) — 該聚類研究時間網絡、高階相互作用與信息論測度，以對從光網絡到粒子碰撞等系統的依賴關係與重構進行建模。
物理數據中的引力波探測與異常搜尋 (10.0%) — 該聚類聚焦發展用於引力波探測、異常檢測與大型物理數據集信號搜尋的統計與機器學習方法。
物理中的貝葉斯推斷與不確定性量化 (7.5%) — 該聚類發展貝葉斯分層模型、不確定性量化與參數估計技術，應用於從核散射到天體物理等物理問題。
隨機系統中的時間序列分析與因果動力學 (7.3%) — 該聚類分析時間序列數據，以推斷隨機模型參數、檢測時間不對稱，並量化金融市場與氣候數據等系統中的多重分形性與因果動力學。
量子啟發的機器學習與糾纏刻畫 (5.7%) — 該聚類探索量子糾纏、量子臨界現象與量子啟發算法，常利用機器學習刻畫量子態並改善傳感。