跳转至

2026-07-01 每日 arXiv 资讯

  • 高相关论文 1 篇 · 中相关 17 篇 · 其他 48 篇 · 会议/Seminar 事件 0 条

⭐ 高相关论文（按主题分组）

因果推断 (causal_inference, 1 篇)

1. 2607.00980 — An Instrumental Variable Approach to Account for Informative Treatment Switching in Real-world Evidence

  • 作者: Yang Liu, Andrew Ying, Zongqi Xia, Jue Hou
  • 相关性 8/10 · novelty: new_method
  • 摘要: 本文针对真实世界证据中因信息性治疗切换（informative treatment switching）导致的评估偏差问题，提出了一种工具变量方法。作者将切换时的预期结果视为未观测混杂，以基线治疗作为有效工具变量，构建了基于中心化工具变量与鞅型残差过程关联的估计方程，在结构累积生存模型下识别治疗效应。该方法具有双重稳健性：只要基线倾向模型或无切换结局模型之一被一致估计，估计即有效。在半参数加性风险模型下，通过协同训练治疗效应参数与生存结局回归模型，消除了对观测无切换子集的需求。进一步开发了基线生存校正的交叉拟合方法，以纳入通用机器学习模型估计 nuisance 函数。数值实验表明，在多种基准方法产生有偏或矛盾结果的设定下，该方法依然有效。本文对您的主要兴趣——因果推断中的工具变量方法——有直接参考价值，特别是其处理生存数据中时变混杂的策略。
  • 关键技术: instrumental variable, structural cumulative survival model, martingale residual process, double robustness, cross-fitting, semi-parametric additive hazards model
  • 为什么对您有用: 本文直接连接您的主要兴趣——因果推断中的工具变量方法，特别是处理生存数据中信息性治疗切换这一实际难题。您的技术武器库中'估计理论在因果推断中的应用'（very_familiar）可直接用于分析其双重稳健性条件与估计方程构造；'半参数理论'（moderately_familiar）可用于理解其半参数加性风险模型假设。中期可做：若想将本文的鞅型残差思路推广到更一般的纵向设定，需先在 moderately_familiar 的'因果推断中的识别理论'上加强，以处理更复杂的时变混杂结构。

📌 中相关论文（按主题分组）

因果推断 (causal_inference, 3 篇)

1. 2607.00376 — Distributed Prediction under Heterogeneity with Unidentifiable Parameter

  • 作者: Erbo Li, Zhaojun Hu, Ting Wei, Yifan Sun, Liping Zhu
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文研究分布式环境下，当低维结构参数不可识别（如降维问题）时的预测问题。核心挑战在于参数不可识别导致的目标函数严重非凸，以及数据异质性和通信成本。作者提出一种新的分布式半参数框架，利用迹相似性惩罚进行自适应同质性追踪以处理异质性。为克服非凸性和通信瓶颈，引入invex松弛技术结合多步局部更新算法，保证稳定收敛到全局最优并显著降低通信开销。理论上建立了非渐近、无模型预测误差界，证明估计量达到两阶段极小化最优收敛速率，并给出了算法收敛和通信效率的理论保证。模拟和真实多中心医疗数据验证了方法优越性。对您而言，该工作将分布式优化与半参数效率理论结合，其invex松弛处理非凸性的思路可能对您在高维U统计量计算中的非凸问题有启发。
  • 关键技术: invex relaxation, trace-similarity penalty, multi-step local update, distributed semiparametric framework, non-asymptotic prediction error bound
  • 为什么对您有用: 该论文直接关联您对半参数理论和非参数统计的兴趣，特别是分布式环境下处理不可识别参数的非凸优化问题。您的武器库中'非参数统计'和'高维渐近理论'可直接用于理解其理论框架；'逆问题'经验可帮助评估其invex松弛的适用性。中期可做：若您想将类似invex技术迁移到U统计量的分布式计算，需先在'高阶U统计量理论'上加强。

2. 2607.00350 — Robust Estimation and Inference with Selective Borrowing in Hybrid Controlled Trials: A Tutorial with SelectiveIntegrative and intFRT

  • 作者: Ke Zhu, Hairong Huang, Shu Yang, Xiaofei Wang
  • 相关性 7/10 · novelty: application
  • 摘要: 本文聚焦于混合对照试验（HCT），即在随机对照试验（RCT）基础上引入外部对照（EC）以提高统计效率，尤其适用于样本量有限、入组缓慢或存在伦理约束的场景。核心挑战在于EC的借用需同时调整协变量偏移（covariate shift）和结局漂移（outcome drift），否则会引入偏倚并损害推断有效性。文章以教程形式提供了完整的统计分析工作流，涵盖目标量（estimand）、识别假设、资格对齐、匹配、完全借用与选择性借用策略，以及渐近推断和随机化检验。方法实现通过R包SelectiveIntegrative和intFRT完成，并基于模拟CALGB 9633试验的合成肺癌数据集进行演示。该工作流旨在帮助应用统计学家在HCT分析中实现透明、可解释且可复现的推断，在提升效率的同时保证推断有效性。对您而言，本文是流行病学应用场景下因果推断（选择性借用、识别假设）的实用教程，其工作流和R包可直接用于处理真实队列数据中的外部对照问题。
  • 关键技术: selective borrowing, external control adjustment, covariate shift, outcome drift, randomization test, asymptotic inference
  • 为什么对您有用: 本文直接关联您的流行病学应用兴趣，提供了处理外部对照（EC）的完整工作流，是流行病学队列研究中IV/因果推断方法的实用补充。您武器库中'因果推断中的估计理论'和'软件工程'可直接用于复现和扩展其工作流（如替换匹配方法或敏感性分析），属于立即可做的范畴。

3. 2606.29784 — HERO: Improving the Reliability and Sensitivity of Generative Model Evaluation Using Historical Data

  • 作者: Xinrui Ruan, Zhenyu Zhao, Waverly Wei, Yueshan Zhang, Zeyu Zheng, Sui Huang et al.
  • 相关性 4/10 · novelty: new_method
  • 摘要: 本文针对生成式AI模型评估中金标（专家标注）稀缺、银标（众包/供应商标注）大量但含噪的实践问题，提出HERO框架。核心设定是模型评估为多轮重复操作，每轮可获得少量金标和大量银标，且历史评估数据可用。HERO通过历史金标数据校准银标标注者的表现（校准偏差），并利用历史数据中高精度测量的协变量信息作为锚定来稳定当前轮次的估计量（降低方差）。方法上，该框架可视为一种结合历史数据与当前数据的半参数估计策略，通过偏差校正和方差缩减提升估计量的可靠性与敏感性。理论部分给出了偏差和方差缩减成立的条件，模拟和真实基准数据集验证了有效性。对您而言，该工作将因果推断中的偏差校正与方差缩减思想应用于模型评估这一具体操作问题，其利用历史数据改进当前估计的框架与您熟悉的纵向因果推断、半参数效率理论有直接联系，且其估计量的构造思路（校准+锚定）可迁移至您关注的proximal CI或IV设定中利用辅助数据的问题。
  • 关键技术: bias calibration, variance reduction via anchoring, historical data integration, semiparametric estimation, covariate adjustment
  • 为什么对您有用: 该工作直接连接您primary interest中的因果推断（纵向设定、偏差校正）和半参数效率理论。您武器库中'very_familiar'的'非参数统计'和'estimation theory in causal inference'可立即用于分析其估计量的半参数效率界或提出更优的锚定策略；'moderately_familiar'的'identification theory in causal inference'可用于扩展其框架至更复杂的缺失数据或工具变量场景。立即可做：用您熟悉的因果推断估计理论（如DR估计量）重新表述HERO的校准-锚定框架，并推导其影响函数与半参数效率界。

数理统计 / 假设检验 (hypothesis_testing, 3 篇)

1. 2607.00312 — Post-selection inference for network structure

  • 作者: Eric Auerbach, Jonathan Auerbach, Sidonia McKenzie
  • 相关性 7/10 · novelty: new_method
  • 摘要: 本文研究网络结构分析中因组群选择（如社区、集团、市场）导致的 post-selection inference 问题。目标是对组间连接密度（density of connections）构造置信区间，该 estimand 在组群由同一网络数据选定后变得复杂。方法一基于 Berk et al. (2013) 的经典 post-selection 策略，方法二利用 empirical process 的 Talagrand 型集中不等式构造区间。核心理论贡献是证明只有第二种区间在渐近意义下达到最优宽度（up to a constant factor），而第一种区间保守。两种区间均计算简单、可扩展至大规模网络。三个实证案例（社交网络同质性、贸易网络 hub-and-spoke、工人流动网络市场分割）展示了校正 selection 的实际影响。对您而言，本文的 post-selection 框架与您在高维统计和假设检验方面的兴趣直接相关，且 Talagrand 不等式在 empirical process 中的应用可迁移至您熟悉的非参数统计工具。
  • 关键技术: post-selection inference, Talagrand-type concentration inequality, empirical processes, simultaneous confidence intervals, network density estimation
  • 为什么对您有用: 本文连接您在高维统计和假设检验方面的兴趣，具体针对网络结构中的 post-selection inference 问题。您武器库中 very_familiar 的 minimax bounds 和 high-dimensional asymptotics 可直接用于验证其最优宽度 claim 是否紧，且 Talagrand 不等式与您熟悉的 empirical process 工具链兼容。中期可做：若想推广至更复杂的网络模型（如 weighted networks），需在 moderately_familiar 的 M-estimation theory 上加强。

2. 2607.00373 — Confidence Intervals for the Risk Difference in Combined Unilateral and Bilateral Data Incorporating a Distribution-Based Approach

  • 作者: Jia Zhou, Chang-Xing Ma
  • 相关性 4/10 · novelty: new_method
  • 摘要: 本文针对配对器官研究中常见的单侧与双侧混合二值结局数据，提出风险差（risk difference）的置信区间构建方法。现有方法多基于渐近正态性，在小样本下无法捕捉抽样分布的偏态特征。作者从风险差估计量的精确概率分布出发，提出一种基于分布的置信区间，并改进MOVER方法以纳入个体内相关性。通过广泛模拟，新方法在样本量增大时表现良好，覆盖概率接近名义水平，区间宽度与现有方法相当；在小样本下能反映渐近方法忽略的偏态。两个真实数据集分析验证了方法的实用性。该工作为混合二值数据的风险差区间估计提供了替代框架，对您可能有用：其分布推导思路可迁移至因果推断中二值结局的敏感性分析或工具变量估计的有限样本校正。
  • 关键技术: distribution-based confidence interval, MOVER procedure, risk difference, combined unilateral and bilateral data, finite-sample skewness correction
  • 为什么对您有用: 本文属于假设检验与区间估计的经典问题，直接连接您对 hypothesis testing 的兴趣。其分布推导方法可视为一种有限样本校正技术，与您熟悉的 nonparametric statistics 和 estimation theory 中的经验似然或 bootstrap 思路互补。中期可做：若想将类似分布推导推广到因果推断中的 risk difference 估计（如 IV 或 proximal CI 设定），需先在 moderately_familiar 的 identification theory 中熟悉二值结局的识别条件，再结合本文的分布技巧构造有限样本置信区间。

3. 2606.31621 — Calibrated Probability Forecast Sequences and Measure-Valued Martingales

  • 作者: Thomas Wilkinson, Christopher Ferro
  • 相关性 4/10 · novelty: new_method
  • 摘要: 本文研究概率预测的校准问题，将 auto-calibration 概念推广到每个观测值对应一个预测序列（随信息更新）的常见设定。观测值可位于任意 Borel 空间，作者证明 auto-calibration 等价于某个随机概率测度序列满足鞅性质。基于此等价性，提出一种简单的统计检验方法，用于检验此类序列概率预测的校准性。这是首次为序列概率预测的校准提供可操作的检验工具。对您而言，该工作将鞅方法与校准检验结合，为 hypothesis testing 提供了新视角，且其统计检验框架可能迁移到您熟悉的因果推断中的敏感性分析或纵向数据检验问题。
  • 关键技术: auto-calibration, martingale property, probability forecast sequences, Borel space, statistical test for calibration
  • 为什么对您有用: 本文直接关联您 primary interest 中的 hypothesis testing，将鞅方法与校准检验结合，提供了新的检验框架。您的 technical arsenal 中的非参数统计和高维渐近理论可用于分析该检验的渐近性质或扩展到高维预测设定。中期可做：需先在 moderately_familiar 的 M-estimation theory 上长肌肉，以处理检验统计量的渐近分布推导。

天体统计 (astrostats, 5 篇)

1. 2606.30706 — Mapping Stellar Heterogeneities with the Nautilus Space Observatory

  • 作者: Adina D. Feinstein, Jeff Valenti, Julien de Wit, Valeriy Vasilyev, Chia-Lung Lin, Daniel Apai et al.
  • 相关性 7/10 · novelty: application
  • 摘要: 本文提出Nautilus空间天文台的两代观测计划，旨在解决系外行星透射光谱中恒星表面不均匀性（如星斑、光斑）的污染问题。第一代通过宽带时域观测凌星系外行星系统，利用星斑穿越事件和凌外变异性来约束局部和盘积分的不均匀性参数。第二代基于第一代优化的光谱诊断，对大量GKM型恒星进行无缝光谱监测，同时追踪光球和色球的活动指标。该计划的核心目标是提供经验基准数据，验证下一代恒星模型，并识别不同光谱型、活动水平和时间尺度下编码不均匀性性质的最佳光谱诊断。最终，这些数据将把恒星污染从系统误差转化为可校准的输入，用于系外行星大气反演。对您而言，这是一篇典型的gateway-reading级天文观测提案，清晰阐述了数据侧（时域测光/光谱、噪声结构、选择效应）和模型侧（恒星大气模型、活动区模型、大气反演模型）的对接问题，适合作为进入astrostatistics方向的入门读物。
  • 关键技术: transmission spectroscopy, stellar contamination correction, time-series photometry, slitless spectroscopy, population-level framework
  • 为什么对您有用: 本文属于gateway-reading范畴：它清晰阐述了天文学家关心的核心科学问题（恒星污染如何影响系外行星大气测量），并详细说明了数据侧（时域测光、光谱分辨率、样本规模）和模型侧（恒星大气模型、活动区模型、大气反演模型）的结构与假设，适合作为统计学家进入astrostatistics方向的入门读物。您的武器库（非参数统计、高维渐近、因果推断中的估计理论）足以支撑理解本文的数据分析挑战，但具体的天体物理模型（如恒星大气辐射传输）需要额外学习。值得花时间读全文以建立领域直觉，但暂不可做直接的方法学贡献。

2. 2607.00348 — GTLS: A GPU-accelerated method for periodic transit detection

  • 作者: Quanquan Hu, Jian Ge, Luoxi Jin, Kevin Willis
  • 相关性 6/10 · novelty: application
  • 摘要: 本文提出 GTLS，一种基于 GPU 加速的 Transit Least Squares (TLS) 算法，用于在大规模测光巡天数据中高效检测周期性凌星信号。GTLS 将 TLS 搜索中的相位折叠、凌星时长评估、移动窗口深度估计和卡方计算等主要步骤并行化，在保持 TLS 对凌星形状信号敏感度的同时大幅降低计算成本。使用 Kepler 长曝光光变曲线和合成 Kepler 类时间序列进行基准测试，在 AMD Ryzen 9 7950X CPU 和 NVIDIA RTX 4090 GPU 上，GTLS 处理 3000 天合成光变曲线约需 138 秒，而 TLS 需 3289 秒；使用两块 RTX 4090 GPU 时，运行时间进一步降至约 79 秒。在恢复测试中，GTLS 的检测性能与 TLS 统计一致，精确率 9.3%、召回率 79.4%，TLS 为 9.4% 和 81.1%。结果表明 GTLS 能够为 Kepler、TESS、PLATO、ET 及未来任务的大规模测光数据集提供高效的 TLS 搜索。代码已开源。本文作为 astrostatistics 的入门读物，清晰阐述了凌星检测的计算瓶颈和 GPU 并行化的解决方案，适合统计学家了解天文数据处理中的实际计算挑战。
  • 关键技术: GPU parallelization, Transit Least Squares (TLS), phase folding, chi-squared period search, Box-fitting Least Squares (BLS)
  • 为什么对您有用: 本文属于 astrostatistics 的 gateway reading，适合作为统计学家进入该领域的入门材料。文章清晰阐述了凌星检测的计算问题（大规模光变曲线上的周期搜索）和 GPU 加速方案，数据结构和噪声模型（光变曲线、相位折叠、卡方统计量）交代清楚，不依赖天文学行话。研究者当前武器库中的 'software development' 和 'high-dimensional asymptotics' 足以理解其核心并行化思路，但若要深入改进算法（如设计更优的统计检测量），需在 'nonparametric statistics' 或 'minimax bounds' 上进一步思考。总体而言，本文值得花时间阅读全文，作为了解天文统计计算需求的起点。

3. 2606.30855 — Deep Learning for Astrophysics: An Open Textbook from the NASA Cosmic Origins AI/ML Science and Technology Interest Group

  • 作者: Yuan-Sen Ting, Digvijay Wadekar, Phill Cargile, Carol Cuesta-Lazaro, André Curtis-Trudel, Gregory Green et al.
  • 相关性 6/10 · novelty: survey
  • 摘要: 本文是 NASA Cosmic Origins AI/ML STIG 组织编写的深度学习天体物理学开放教科书，旨在解决天文学界采用现代机器学习的主要障碍——教育不足。教科书涵盖 23 章，分为计算基础、深度学习架构、生成模型、基于模拟的推断、强化学习和大语言模型代理六个部分，由 17 位讲师撰写。许多章节包含可执行的 Jupyter notebook，便于读者动手实践。文章还概述了该小组未来一年的计划，重点围绕代理式研究和 NASA 的 ASTRA 任务概念倡议。作为一本入门级教科书，它系统性地介绍了深度学习在天体物理学中的应用，但并未提出新的统计方法或理论。对于您作为统计学研究者，本文是一份优秀的 gateway reading，清晰展示了天文学中典型的数据结构（图像、光谱、时序）和建模问题（模拟推断、生成建模），但方法学 novelty 较低。
  • 关键技术: deep learning architectures, generative modeling, simulation-based inference, reinforcement learning, large language model agents
  • 为什么对您有用: 本文属于 astrostatistics 的 gateway reading，适合作为进入该领域的入门读物。教科书结构清晰，不假设天文学背景，对数据侧（图像、光谱、模拟数据）和模型侧（似然、潜变量、模拟推断）都有明确阐述，符合您对 astrostatistics 的评分标准 (a)-(d)。您的武器库中 nonparametric statistics 和 high-dimensional asymptotics 足以理解大部分内容，但 simulation-based inference 和 generative modeling 属于 moderately_familiar 之外的新工具，需要额外学习。值得花时间阅读全文以建立天文学数据问题的直觉，但无需深入每个技术细节。

4. 2607.00546 — Open Science in Astrophysics: Citation Benefits of Open Code, Open Data, and Open Access

  • 作者: Parth Joshi, Rupert Croft
  • 相关性 5/10 · novelty: application
  • 摘要: 本文基于NASA天体物理数据系统(ADS)中2021-2025年间53,194篇经同行评议的论文，系统量化了开放科学实践（开放代码、开放数据、开放获取）对引用量的因果效应。研究采用多变量最小二乘回归模型，辅以偏相关和非参数检验，在控制资助数量、代码规模、编程语言、数据仓库大小、作者数、论文长度和发表时间等混杂因素后，估计了三种开放形式的引用优势。主要发现：开放数据带来+32%的引用提升（p<10^-24），开放获取+26%（p<10^-67），开放代码+16%（p=0.003）。按六个天体物理子领域（太阳系、行星、恒星、星际介质、高能、星系与宇宙学）分层分析显示，开放数据的引用优势在所有子领域均显著，尤其在星系与宇宙学和星际介质领域最强。本文为开放科学实践提供了基于大规模数据的因果证据，对您作为统计学家进入天体物理领域是一个极好的入门读物——它清晰展示了天文领域的数据结构（引用计数、混杂控制）和建模思路（回归+偏相关+非参数检验），且问题本身（开放科学的因果效应）是统计方法（如IV、敏感性分析）可进一步深化的方向。
  • 关键技术: multivariate least-squares regression, partial correlations, non-parametric tests, citation analysis, observational study with confounders
  • 为什么对您有用: 本文属于astrostats的gateway-reading范畴。作为入门读物，它非常优秀：(a) 对天文领域外的人高度可读，不依赖专业术语；(b) 清晰阐述了天文学家关心的核心问题（开放科学是否带来个人回报）；(c) 问题本身值得统计学家关注——这是一个典型的观察性因果推断问题，您的武器库中的identification theory和sensitivity analysis可以直接用于改进其因果估计（例如处理未观测混杂）。武器库评估：立即可做——您对nonparametric statistics和estimation theory in causal inference的熟悉度足以理解并批判本文的方法，甚至可以用更严格的因果推断框架（如DAG、IV）重新分析其数据。

5. 2607.01032 — Point spread function wavefront recovery from in-focus stellar observations

  • 作者: Ezequiel Centofanti, Samuel Farrens, Jean-Luc Starck, Tobias Liaudat
  • 相关性 4/10 · novelty: application
  • 摘要: 本文针对天文望远镜点扩散函数（PSF）建模中的波前误差（WFE）恢复问题，提出一种改进的半参数PSF模型WaveDiff。该模型将参数化与可学习特征结合，通过可微前向光学模型在波前空间表示PSF，并利用PSF在视场中的空间变化从单次聚焦观测中恢复WFE。原始WaveDiff在像素空间PSF恢复上表现优异，但WFE恢复相对误差约30%。本文通过波前特征投影桥接参数与非参数组件，并增加优化循环次数，将WFE恢复误差降至约3%（十倍的提升），同时进一步降低了像素空间误差。这是首个在单一框架内结合宽视场WFE恢复、仅聚焦多色观测和非参数波前特征的方法。代码已开源。对您而言，这是一篇优秀的入门级天文统计文献：清晰阐述了光学系统逆问题设定、数据噪声与欠采样结构，以及半参数建模策略，适合作为进入天文统计方向的起点。
  • 关键技术: semi-parametric PSF model, wavefront error recovery, differentiable forward optical model, phase retrieval from in-focus observations, wavefront feature projection
  • 为什么对您有用: 本文属于astrostats方向的gateway reading。它清晰阐述了光学逆问题的数据侧（噪声、欠采样、多色观测）和模型侧（半参数波前表示、可微前向模型），适合作为统计学家进入天文统计的入门读物。您的武器库中'非参数统计'和'逆问题'两项very_familiar工具足以理解其核心方法，但需补充天文光学基础（如Zernike多项式、波前编码）才能深入。值得花时间读全文以评估该领域的数据分析问题是否值得投入。

其他 (other, 6 篇)

1. 2607.00847 — Transfert learning and adaptive LASSO quantile

  • 作者: Gabriela Ciuperca
  • 相关性 6/10 · novelty: application
  • 摘要: 本文针对分位数回归提出一种迁移学习方法，利用源数据库的估计量通过两个 L1 惩罚项进行知识迁移。所提出的迁移学习估计量具有一致性和稀疏性，并在多种场景下研究了其收敛速度和渐近行为。该方法相比标准自适应 LASSO 估计量计算时间更短，且适用于非高斯误差模型。为实施自适应迁移 LASSO 分位数估计量的计算，作者提出了一种算法。模拟结果证实了理论结果，并表明该算法计算的自适应学习估计量优于 LASSO 估计量。最后，通过蛋白质三级结构理化性质的真实数据应用展示了该方法的实用性。
  • 关键技术: adaptive LASSO, quantile regression, transfer learning, L1 penalty, consistency and sparsity
  • 为什么对您有用: 本文属于迁移学习与分位数回归的结合，与您的主要兴趣（因果推断、高维统计）关联较弱。虽然涉及高维惩罚估计，但方法学新颖性有限，且未涉及您武器库中的核心工具（如U统计量、半参效率理论）。作为应用导向的论文，其真实数据应用（蛋白质结构）与您的次要兴趣（流行病学、经济学）也不直接相关。建议作为一般性阅读，但无需深入。

2. 2607.00330 — Ergodicity and High-Frequency Inference for Hybrid Switching Lévy-Driven Stochastic Differential Equations

  • 作者: Yuzhong Cheng
  • 相关性 5/10 · novelty: new_method
  • 摘要: 本文研究混合切换Lévy驱动随机微分方程在高频观测下的统计推断问题，其中噪声为纯跳过程，切换速率依赖于状态。提出一个三阶段推断流程，分别估计漂移、尺度与切换速率参数，方法结合了分阶段高斯拟似然与强度型对比函数。为建立混合过程的加权指数遍历性，给出可验证的充分条件，证明不依赖布朗平滑，而是利用固定骨架链论证，结合小跳可达性与状态连通性。在遍历性与高频采样框架下，证明了估计量的一致性、联合渐近正态性以及多项式型大偏差不等式。联合极限具有清晰的协方差结构：漂移与尺度块通过驱动Lévy噪声的三阶矩耦合，而切换速率块与连续系数块渐近不相关。数值实验使用正态逆高斯噪声驱动的模型展示了有限样本表现。该论文属于随机过程与高频金融统计方向，与您的主要兴趣（因果推断、高维统计、U-统计量等）无直接交集。
  • 关键技术: Gaussian quasi-likelihood, intensity-type contrast, weighted exponential ergodicity, skeleton-chain argument, high-frequency sampling, polynomial-type large deviation inequality
  • 为什么对您有用: 本文属于随机过程与高频金融统计，与您的主要兴趣（因果推断、高维统计、U-统计量、半参效率理论等）无直接交集。武器库中的非参统计、高维渐近等工具难以直接迁移至Lévy过程设定。暂不可做——核心机器（Lévy过程遍历性、高频推断、纯跳过程）不在武器库中。

3. 2607.00915 — Simulating Node Manipulations in Gaussian Graphical Models: The GGMNIRA Framework for Continuous and Ordinal Psychological Network Data

  • 作者: Yiming Wu, Fei Wang, Hongyun Liu
  • 相关性 4/10 · novelty: application
  • 摘要: 本文提出 GGMNIRA 框架，将原本仅适用于二值 Ising 模型的节点模拟干预逻辑推广到高斯图模型，适用于连续和有序数据。核心操作是干预节点的条件均值，并用 KL 散度量化干预前后网络分布的变化，从而评估节点在网络动态中的重要性，弥补了传统中心性指标仅反映静态拓扑位置的不足。围绕该算法，作者开发了相关稳定性系数和基于非参数 bootstrap 的 KL 散度差异检验，并通过模拟研究建立了解释阈值。框架还扩展到桥接高斯图模型和调节高斯图模型，适用于多构念共病网络和调节效应情境。所有方法已在 R 包 GGMNIRA 中实现。本文是心理网络分析的应用型方法论文，方法学 novelty 有限，主要贡献在于将现有逻辑推广到新数据类型并提供了配套工具。
  • 关键技术: Gaussian graphical model, KL divergence, nonparametric bootstrap, simulated node manipulation, correlation stability coefficient
  • 为什么对您有用: 本文属于心理网络分析的应用方法，与您的主要兴趣（因果推断、高维统计、半参理论）无直接交集。其 KL 散度差异检验的 bootstrap 思路虽与您的非参统计背景有微弱联系，但整体方法学深度有限，且未涉及您武器库中的核心工具（如 U-统计量、minimax 界、半参效率理论）。作为 gateway reading 价值不高，暂不可做。

4. 2606.31269 — Simultaneous Inference for Partially Observed Functional Time Series

  • 作者: Patrick Bastian, Tim Kutta
  • 相关性 4/10 · novelty: new_method
  • 摘要: 本文针对部分观测的函数型时间序列，首次提出同时推断方法。数据建模在带一致范数的有界函数空间上，而非传统的Hilbert空间，从而能够构造整个函数域上的同时置信带。方法结合了高斯逼近与随机过程理论，并扩展了多尺度推断方法（原用于标量数据）以处理部分观测的函数。主要应用是检验城市内部污染水平是否超标。有趣的是，该方法也改进了完全观测函数型时间序列的现有结果，避免了函数中心极限定理。
  • 关键技术: simultaneous confidence bands, supremum norm, multiscale inference, Gaussian approximation, functional time series
  • 为什么对您有用: 本文属于函数型数据分析（FDA）领域，与您的主要兴趣（因果推断、高维统计等）无直接交集。但若您未来涉足纵向数据或时空污染数据的因果推断，本文处理部分观测函数型时间序列的推断方法可能提供工具。目前武器库中无直接可用的工具（如函数型数据的同时推断），暂不可做。

5. 2607.00645 — Approximate full-conformal multi-task regression with reproducing kernels

  • 作者: Davidson Lova Razafindrakoto, Alain Celisse, Jérôme Lacaille
  • 相关性 4/10 · novelty: application
  • 摘要: 本文研究多任务回归中的全共形预测（full-conformal prediction）问题，目标是在给定置信水平下构造包含未知输出向量的数据依赖预测区域。由于全共形预测需要训练无穷多个预测器，直接计算不可行。作者在向量值函数的再生核希尔伯特空间（RKHS）框架下，设计了一个近似预测区域，该区域包含真实的全共形区域，从而解决了计算难题。考虑两种场景：任务间协方差矩阵已知和未知（需估计）。在已知协方差矩阵的场景下，给出了近似区域体积的上界，从理论上评估了近似的紧致性。在合成数据上的实验表明，所提方法在体积上优于分裂共形预测（split-conformal prediction）。本文主要贡献在于为多任务回归提供了计算可行的全共形推断方法，但方法学创新性有限，属于现有共形预测框架在特定设定下的应用扩展。
  • 关键技术: full-conformal prediction, reproducing kernel Hilbert space (RKHS), vector-valued functions, multi-task regression, split-conformal prediction
  • 为什么对您有用: 本文属于统计推断中的共形预测方法，与您的主要兴趣（假设检验、非参数理论）有间接关联，但核心问题（多任务回归的预测区域构造）与您的因果推断、高维统计等主要方向距离较远。您的武器库中非参数统计和RKHS工具可用于理解其理论框架，但本文的方法学贡献不足以支撑直接的问题发现。暂不可做：核心机器（共形预测的交换性论证、多任务RKHS的特定理论）不在武器库中，且本文更偏向应用而非理论突破。

6. 2606.28670 — MACROCAST: A Vintage-Consistent Time Series Foundation Model for Real-Time Macroeconomic Forecasting

  • 作者: Andrea Carriero, Davide Pettenuzzo, Shubhranshu Shekhar
  • 相关性 4/10 · novelty: application
  • 摘要: 本文提出 MACROCAST，一个轻量级时间序列基础模型，用于实时宏观经济预测。现有 TSFM 存在两类数据泄露：时间污染（模型可能见过预测序列的实现值）和修订偏差（用完全修订后的数据训练，偏离实时预测者可用的初步发布版本）。MACROCAST 是首个完全排除这两种泄露的模型：训练的任何阶段都不会暴露给实时预测者无法获得的信息。模型先在大约一个 GPU 天内用纯合成时间序列预训练，然后在用 ALFRED 实时数据估计的贝叶斯 VAR、动态因子模型和 ARIMA 规范生成的合成序列上微调。由于预训练仅使用模拟数据，微调仅使用实时版本，模型从未见过未来的观测值或修订值；每次微调只需九分钟。在 FRED-MD 数据库上的真实实时样本外评估中，MACROCAST 在约 80% 的序列-预测期组合上优于 AR(1) 基准，匹配或超越当前最强的 Chronos-2，并优于贝叶斯 VAR 和动态因子模型基准，且完全无数据泄露。
  • 关键技术: Time Series Foundation Model, synthetic data pretraining, real-time vintages, data leakage prevention, Bayesian VAR, dynamic factor model
  • 为什么对您有用: 本文属于应用机器学习/计量经济学领域，与您的主要兴趣（因果推断、高维统计、U-统计量等）无直接方法学重叠。作为经济预测的应用工作，它展示了如何构建无数据泄露的预测模型，但核心方法（TSFM、合成数据预训练）不在您的技术武器库中。如果您对宏观经济预测的应用感兴趣，可作为入门读物了解实时预测的数据挑战，但无需深入阅读全文。

🗂 其他论文（仅 LLM 评分，未生成摘要）

未生成中文摘要的论文，按 LLM 评分由高到低排列，仅保留评分与简评，便于回溯查全。一般为相关性低于展示阈值者；个别历史页也含当时因单日摘要上限未展开的高分篇目（评分仍清楚标着）。

1. 2607.00722 — How does academic performance affect self-efficacy? Interpretable modelling through latent academic achievement

  • 作者: Sarah Lee, Matias Quiroz, Sally Cripps
  • 相关性 3/10
  • 评分理由: Applied Bayesian modeling in education, unrelated to the researcher's primary interests in causal inference, high-dimensional stats, or semiparametric theory.

2. 2606.31418 — On the choice of using raw or demographically-corrected scores

  • 作者: Ignacio Gonzalez-Perez, Mats Julius Stensrud, Marco Piccininni
  • 相关性 3/10
  • 评分理由: Focuses on demographic corrections in cognitive testing, a psychology application with no connection to the researcher's primary interests or technical arsenal.

3. 2606.30994 — Hybrid principal component analysis in multivariate allometric regression

  • 作者: Koji Tsukuda, Shun Matsuura
  • 相关性 3/10
  • 评分理由: Allometric regression and hybrid PCA are in a specialized biological domain with no clear connection to primary interests like causal inference or high-dimensional statistics.

4. 2606.29524 — Modelling and detecting mild and gross anomalies in circular data via double-contaminated models

  • 作者: Antonio Punzo, Andriëtte Bekker, Arno Otto, Priyanka Nagar, Cristina Tortora
  • 相关性 3/10
  • 评分理由: Circular data anomaly detection is a niche topic unrelated to the researcher's primary interests in causal inference, high-dimensional stats, or U-statistics.

5. 2607.00214 — A Short Review of Estimators for the GLM predictive of Laplace Bayesian Neural Networks

  • 作者: Romie Banerjee
  • 相关性 3/10
  • 评分理由: Laplace Bayesian neural networks are a machine learning topic with weak connection to the researcher's statistical theory interests.

6. 2606.29998 — Optimal Posterior E-values with Non-Convex Parameter Sets with Applications to Voting Systems

  • 作者: Adrienne Tuynman, Timothée Mathieu
  • 相关性 3/10
  • 评分理由: Sequential testing with e-values is a methodological topic, but the application to voting systems is too narrow and unrelated to the researcher's primary interests.

7. 2607.01220 — TIME Commissioning Observations: II. On-sky Characterization and the 2D Map Data Processing Pipeline

  • 作者: Benjamin J. Vaughan, Abigail T. Crites, Dongwoo T. Chung, Ryan P. Keenan, James J. Bock, Charles M. Bradford et al.
  • 相关性 3/10
  • 评分理由: Astronomy instrument commissioning and data pipeline; lacks accessible exposition for a stats outsider and clear data/model exposition.

8. 2607.00217 — The Rubin Observatory Target-of-Opportunity System in the First Year of Operations

  • 作者: Sean Patrick MacBride, R. Lynne Jones, Peter Yoachim, Tiago Ribeiro, Leanne P. Guy, Shreya Anand et al.
  • 相关性 3/10
  • 评分理由: 天文台目标观测系统操作描述，无数据/模型方法学，不适合统计学家入门。

9. 2606.31826 — In Situ Measurements of the Reflectances of the LSSTCam Optics and Assessing the Impact of Optical Ghosts

  • 作者: Aashay Pai, Alex Drlica-Wagner, Lee S. Kelvin, Joshua E. Meyers, Elana K. Urbach, Fritz Mueller et al.
  • 相关性 3/10
  • 评分理由: Optical ghost measurement with ray tracing, touches on data contamination but lacks statistical modeling or methodology transferable to researcher.

10. 2606.31822 — Early Telescope Throughput Results from the Collimated Beam Projector at the Vera C. Rubin Observatory

  • 作者: Nathan Amouroux, Parker Fagrelius, Thibault Guillemin, Fritz Mueller, Jérémy Neveu, Eli Rykoff et al.
  • 相关性 3/10
  • 评分理由: Photometric calibration using a collimated beam projector, some data analysis but purely instrumental, no statistical innovation.

11. 2606.31806 — The On-Sky Performance of the LSST Camera CCD Array

  • 作者: Sean Patrick MacBride, Aaron Roodman, Stuart Marshall, Yousuke Utsumi, Kevin Fanning, John Banovetz et al.
  • 相关性 3/10
  • 评分理由: CCD performance characterization, some data analysis but purely instrumental, no statistical methodology or gateway value for astrostatistics.

12. 2606.31778 — Setting requirements on out-of-band rejection for next-generation CMB experiments. Application to the LiteBIRD instrument

  • 作者: L. Mousset, L. Montier, J. Aumont, F. Columbro, P. de Bernardis, J. Errard et al.
  • 相关性 3/10
  • 评分理由: Instrument modeling for CMB experiment; touches on sensitivity requirements but no statistical methodology.

13. 2606.30897 — SAOImageDS9: An Essential Tool for Astronomical Exploration

  • 作者: Antonella Fruscione, Kenny Glotfelty, William Joye, Jonathan McDowell
  • 相关性 3/10
  • 评分理由: Description of a visualization tool; no statistical methodology, but relevant as a software tool for data analysis.

14. 2606.29041 — On Modeling Cylindrical Data with a Discrete Circular Component and Its Environmental Applications

  • 作者: Brajesh Kumar Dhakad, Jayant Jha
  • 相关性 2/10
  • 评分理由: Modeling cylindrical data with discrete circular components is far from the researcher's primary and secondary interests.

15. 2606.29923 — Revisiting "A universal model for the Lorenz curve with novel applications''

  • 作者: José María Sarabia, Vanesa Jordá, Mercedes Tejería, Emilio Gómez-Déniz
  • 相关性 2/10
  • 评分理由: This is a critique of a Lorenz curve model for income inequality, which is far from the researcher's primary interests in causal inference and high-dimensional statistics.

16. 2606.29756 — Modeling Mode and Departure Time Responses to Congestion Pricing: A Spatial and Behavioral Analysis Using Cross-Nested Logit Model

  • 作者: Mohammad Amin Ashena, Adam Weiss, Jason Hawkins, Lina Kattan
  • 相关性 2/10
  • 评分理由: Travel behavior modeling with discrete choice models is an application area, but it does not align with the researcher's primary or secondary interests.

17. 2606.29145 — Why Do We Need Travel Behavior Theory in the Age of AI? Multiple Goal Pursuit as an Illustrative Theory

  • 作者: Jason Hawkins, Omid Armantalab
  • 相关性 2/10
  • 评分理由: This is a discussion paper on travel behavior theory, which is not relevant to the researcher's statistical focus.

18. 2607.01045 — Studying Ionosphere Using SKA-Low and SKA-Mid

  • 作者: Abhirup Datta, Samit Kumar Pal, Sarvesh Mangla, Bhuvnesh Brawar, Sumanjit Chakraborty, Sudipta Sasmal et al.
  • 相关性 2/10
  • 评分理由: Ionosphere study using radio telescopes; astrostatistics gateway criteria not met (no clear data/model exposition for outsider).

19. 2607.00925 — The "dark dips" phenomenon in the LSST Camera on-sky images

  • 作者: Claire Juramy, Pierre Antilogus, Pierre Astier, John Banovetz, Sean Patrick MacBride, Andrew P. Rasmussen et al.
  • 相关性 2/10
  • 评分理由: CCD artifact in LSST images; purely instrumental, no statistical methodology or accessible gateway exposition.

20. 2607.00268 — Nautilus Space Observatory: Unveiling the Diversity and Origin of Sub-Neptunes with the Nautilus Space Observatory

  • 作者: Luis Welbanks, Kylie E. Hall, Julien de Wit, Ana Glidden, Noah Tuchow, Ilaria Pascucci et al.
  • 相关性 2/10
  • 评分理由: 纯天文学科学问题（亚海王星大气），无数据/模型方法学阐述，不适合统计学家入门。

21. 2606.31945 — An overview of stray light findings and interpretation during on-sky commissioning of LSSTCam

  • 作者: Gabriele Rodeghiero, Alex Drlica-Wagner, Alessio Taranto, Luca Rosignoli, Hannah Pollek, Aashay Pai et al.
  • 相关性 2/10
  • 评分理由: Pure engineering/astronomy stray light analysis, no statistical methodology or data/model exposition relevant to researcher's interests.

22. 2606.31939 — Investigation and Mitigation of a Prominent Off-Axis Stray Light Path in Rubin Observatory Commissioning

  • 作者: Alex Drlica-Wagner, Alessio Taranto, Gabriele Rodeghiero, Joshua E. Meyers, John Andrew, Douglas R. Neill et al.
  • 相关性 2/10
  • 评分理由: Engineering stray light mitigation, no statistical content or data analysis framework.

23. 2606.31898 — Mechanical Studies of an Additional Light Baffle for the LSST Camera

  • 作者: Hannah Mary Margaret Pollek, Gabriele Rodeghiero, John Andrew, Alex Drlica-Wagner, Alessio Taranto, Luca Rosignoli et al.
  • 相关性 2/10
  • 评分理由: Mechanical engineering of a light baffle, unrelated to statistics or causal inference.

24. 2606.31849 — Determining stress-based bending mode limits for the Vera C. Rubin Observatory M1M3 active mirror system

  • 作者: Malhar Sonaniskar, Douglas Neill, Ellie Hileman, Petr Kubánek
  • 相关性 2/10
  • 评分理由: Stress estimation for telescope mirror, purely mechanical engineering, no statistical methodology.

25. 2606.31795 — Test Management and Coordination During the Vera C. Rubin Observatory Commissioning and Early Operations Using Zephyr Scale

  • 作者: Bruno Quint, Tiago Ribeiro, Erik Dennihy, Brian Stalder, David Sanmartim, Keith Bechtol
  • 相关性 2/10
  • 评分理由: Pure project management/engineering for an astronomy facility; no statistical content.

26. 2606.31793 — Modeling of the diffuse background produced by the Vera C. Rubin Observatory M2 baffle scattered light

  • 作者: Alessio Taranto, Gabriele Rodeghiero, Luca Rosignoli, Aashay Pai, Alex Drlica Wagner, Elana K. Urbach et al.
  • 相关性 2/10
  • 评分理由: Optical engineering modeling of stray light; no statistical methodology or data analysis.

27. 2606.31792 — Laser-based metrology systems vs wavefront sensing techniques: a comparative overview between the Large Binocular Telescope and the Vera C. Rubin Observatory for the telescope alignment and collimation tracking

  • 作者: Luca Rosignoli, Gabriele Rodeghiero, Sandrine J. Thomas, Guillem Megias Homar, Heejoo Choi, John Hill et al.
  • 相关性 2/10
  • 评分理由: Comparative overview of telescope alignment techniques; no statistical content.

28. 2606.31336 — Combining a Diffraction-Limited Coronagraph with Fiber Nulling: A Demonstration of Serially Coupling Different Nullers

  • 作者: Satoshi Itoh, Taro Matsuo, Reiki Kojima, Motohide Tamura, Takahiro Sumi, Oliver Guyon
  • 相关性 2/10
  • 评分理由: Experimental optics demonstration; no statistical or data analysis component.

29. 2606.30867 — SHARPing accretion and outflows in young stellar objects in star forming regions of the outer Galaxy and beyond

  • 作者: Juan Manuel Alcala', Alessio Caratti o Garatti, Linda Podio, Mario Giuseppe Guarcello, Loredana Prisinzano, Rosaria Bonito et al.
  • 相关性 2/10
  • 评分理由: Astrophysics science case for an instrument; no statistical methodology or data analysis.

30. 2606.30029 — ESOFinder: an LLM-powered tool to help users navigate ESO documentation

  • 作者: P. Sánchez-Sáez, C. Reinero, M. Vioque, M. Wittkowski, M. Rejkuba, M. Romaniello et al.
  • 相关性 2/10
  • 评分理由: LLM tool for documentation, tangential to statistical interests, no data analysis or methodology.

31. 2606.31935 — Delegation Rights: Property, Agency, and Investment Incentives in the Age of AI Agents

  • 作者: Yukun Zhang, Kemu Xu
  • 相关性 1/10
  • 评分理由: This paper on AI agents and delegation rights is unrelated to the researcher's statistical interests.

32. 2606.29086 — Stabilization without Inclusive Development: Neoliberalism, Economic Liberalization, Poverty, and Inequality in Bolivia

  • 作者: Ricardo Alonzo Fernandez Salguero
  • 相关性 1/10
  • 评分理由: This is an economic history paper on Bolivia, completely unrelated to the researcher's interests.

33. 2607.01150 — WST, the wide-field spectroscopic telescope: progress on the design of the instruments

  • 作者: David Lee, Joel Vernet, Elizabeth George, Omar Sqalli, Olaf Iwert, Alessandro Meoli et al.
  • 相关性 1/10
  • 评分理由: Telescope instrument design paper; unrelated to any primary or secondary interest.

34. 2607.01134 — WST, the Wide-field Spectroscopic Telescope: Telescope structure FE analyses

  • 作者: Simone D'Auria, Vincenzo Cianniello, Ciro Del Vecchio, Vincenzo De Caprio, Philippe Dierickx, Gaston Gausachs et al.
  • 相关性 1/10
  • 评分理由: Telescope structural engineering paper; unrelated to any primary or secondary interest.

35. 2607.01132 — WST, the Wide-field Spectroscopic Telescope: Mechanical Design and FE Analyses for the High Resolution Spectrograph

  • 作者: Simone D'Auria, Andrea Tozzi, Anna Brucalassi, Matteo Munari, Ciro Del Vecchio, Maria Sofia Randich et al.
  • 相关性 1/10
  • 评分理由: Spectrograph mechanical design paper; unrelated to any primary or secondary interest.

36. 2607.00759 — A First-Order Assessment of Permanent Magnet Deflection for Space Radiation Protection

  • 作者: Valerio Parisi, Roberto Capuzzo Dolcetta, Fabrizio Frezza, Luca Lunati
  • 相关性 1/10
  • 评分理由: 纯工程/物理可行性评估，与统计或因果推断完全无关。

37. 2607.00265 — The Simons Observatory: Overview of the Cryogenic Half-wave Plate Polarization Modulators

  • 作者: Junna Sugiyama, Kyohei Yamada, Bryce Bixler, Daichi Sasaki, Yuki Sakurai, Kam Arnold et al.
  • 相关性 1/10
  • 评分理由: CMB实验硬件描述（半波片），与统计方法完全无关。

38. 2607.00163 — Rubin M1M3 Dynamic performance : stability and actuation during operations

  • 作者: HyeYun Park, Petr Kubánek, Kshitija Kelkar, Ignacio Sevilla-Noarbe, Andrea Jeremie, Brian Stalder et al.
  • 相关性 1/10
  • 评分理由: 望远镜镜面动态性能测试，纯工程，与统计无关。

39. 2606.31995 — The filter exchange system of the LSSTCam at the Vera C. Rubin Observatory

  • 作者: Alexandre Boucaud, Pierre Antilogus, Éric Aubourg, Antoine Bernard, Johan Bregeon, Patrick Breugnon et al.
  • 相关性 1/10
  • 评分理由: 滤光片交换系统硬件描述，纯工程，与统计无关。

40. 2606.31816 — Design and Performance of the Carruthers Geocoronal Imager

  • 作者: Martin Sirk, Alex M. Zhang, Thomas J. Immel, Jason B. McPhate, William W. Craig, Cathy Chou et al.
  • 相关性 1/10
  • 评分理由: Space instrument design for UV imaging, completely unrelated to statistics or causal inference.

41. 2606.31727 — Focal Plate Prototyping for Modular Focal Planes of Stage-5 Instruments For Ground-Based Telescopes

  • 作者: Maxime Rombach, Jean-David Perriard, Laurent Chevalley, Diane Chapuis, Markus Thurneysen, Jean-Paul Kneib
  • 相关性 1/10
  • 评分理由: Mechanical engineering of focal plate prototyping; unrelated to statistics.

42. 2606.30721 — SHARP -- A spectrograph proposal to fully exploit ELT capabilities and look beyond JWST

  • 作者: P. Saracco, P. Conconi, C. Arcidiacono, H. Mahmoodzadeh, I. Di Antonio, E. Portaluri et al.
  • 相关性 1/10
  • 评分理由: Pure instrument proposal, no statistical methodology or data analysis exposition.

43. 2606.30207 — Operational capabilities and on-sky performance of SAMOS at the completion of science commissioning

  • 作者: Massimo Robberto, Stephen A. Smee, Robert H. Barkhouser, Stephen C. Hope, John J. Piotrowski, Dana Koeppe et al.
  • 相关性 1/10
  • 评分理由: Instrument performance paper, no statistical methodology or data analysis exposition.

44. 2606.30169 — Radiation effects and noise evolution in NewAthena WFI flight-production sensors

  • 作者: Valentin Emberger, Johannes Müller-Seidlitz, Luisa Ostler, Wolfgang Treberer-Treberspurg, Robert Andritschke, Annika Behrens et al.
  • 相关性 1/10
  • 评分理由: Detector radiation effects paper, no statistical methodology or data analysis exposition.

45. 2606.30167 — Spectroscopic performance of the electrical functional models for the eXTP SFA-T detectors

  • 作者: Alexander Altmann, Robert Andritschke, Valeria Antonelli, Thomas Bechteler, Vadim Burwitz, David Fink et al.
  • 相关性 1/10
  • 评分理由: Detector performance paper, no statistical methodology or data analysis exposition.

46. 2606.30210 — Improving Beam Quality in Gravitational-Wave Interferometers Illuminated by Higher-Order Laguerre-Gaussian Modes

  • 作者: Liu Tao, Yuefan Guo, Alberto Gatto, Eleonora Capocasa, Jérome Degallaix, Massimo Granata et al.
  • 相关性 0/10
  • 评分理由: Unrelated physics/engineering paper on laser modes for gravitational-wave detectors.

47. 2606.29790 — Design Method of Quasi-Lumped Element Bandpass Filters Using Superconducting Coplanar Waveguide for Millimeter-Wave Multichroic Imaging

  • 作者: Shinsuke Uno, Kah Wuy Chin, Tai Oshima, Satoshi Ono, Takeshi Sakai, Kazuki Watanabe et al.
  • 相关性 0/10
  • 评分理由: Unrelated to any primary or secondary interest; pure engineering design of superconducting filters.

48. 2606.29789 — Broadband anti-reflection coating for sub-terahertz optics using dielectric multilayers

  • 作者: Toyo Naganuma, Shinsuke Uno, Shuhei Inoue, Kazuki Watanabe, Tatsuya Takekoshi, Takeshi Sakai et al.
  • 相关性 0/10
  • 评分理由: Unrelated to any primary or secondary interest; pure optics engineering for sub-terahertz astronomy.

Maintained by 陈星宇 · Homepage · Source on GitHub

评论