🔬 Category

physics.data-an

257 artículos

La física de datos analíticos explora cómo los grandes volúmenes de información están transformando nuestra comprensión del universo, desde el comportamiento de partículas subatómicas hasta la estructura de galaxias lejanas. Esta disciplina combina el rigor de la física teórica con herramientas computacionales avanzadas para extraer patrones ocultos en experimentos complejos, permitiendo a los científicos formular predicciones más precisas y desafiar las leyes fundamentales de la naturaleza.

En Gist.Science, nos dedicamos a rastrear cada nuevo prepublicación que se carga en arXiv dentro de esta categoría. Procesamos cada documento para ofrecer dos versiones de resumen: una explicación en lenguaje sencillo para cualquier curioso y un análisis técnico detallado para expertos. Así, democratizamos el acceso al conocimiento de vanguardia sin sacrificar la profundidad científica.

A continuación, encontrarás la selección más reciente de investigaciones en física de datos analíticos, listas para ser exploradas en sus distintos niveles de detalle.

Data-Driven Automated Identification of Optimal Feature-Representative Images in Infrared Thermography Using Statistical and Morphological Metrics

Este trabajo propone un método automatizado y sin supervisión para identificar las imágenes más representativas de defectos en termografía infrarroja mediante el uso combinado de tres métricas estadísticas y morfológicas (Índice de Homogeneidad de Mezcla, Área Elemental Representativa y Energía de Variación Total), validado experimentalmente en materiales compuestos sin necesidad de información espacial previa.

Harutyun Yagdjian, Martin Gurka2026-04-14🔬 physics.app-ph

Emergence of Complex Structures

Este artículo presenta un marco unificado que combina dinámica de fase, geometría de transporte y teoría de la información para explicar cómo surgen estructuras complejas a partir de estados homogéneos, resolviendo la aparente tensión entre el ordenamiento y el crecimiento de la entropía mediante la distinción entre descripciones de campo grueso y de fase completa, y aplicando este enfoque mesoscópico a la formación de estructuras cosmológicas.

Francisco-Shu Kitaura2026-04-14🌀 nlin

New Deep Learning Data Analysis Method for PROSPECT using GAPE: Genetic Algorithm Powered Evolution

Este artículo presenta el método GAPE (Evolución Potenciada por Algoritmos Genéticos) para optimizar modelos de aprendizaje profundo en el experimento PROSPECT, logrando mejorar la relación señal-ruido en la identificación de antineutrinos en casi 2.8 veces y mitigando sesgos mediante un entrenamiento específico por período de datos.

M. Adriamirado, A. B. Balantekin, C. Bass, O. Benevides Rodrigues, E. P. Bernard, N. S. Bowden, C. D. Bryan, T. Classen, A. J. Conant, N. Craft, A. Delgado, G. Deichert, M. J. Dolinski, A. Erickson, M (…)2026-04-13⚛️ hep-ex

Physics-informed neural operators for the in situ characterization of locally reacting sound absorbers

Este trabajo presenta un operador neuronal informado por la física que estima la admisión superficial acústica dependiente de la frecuencia directamente a partir de mediciones de campo cercano, integrando las ecuaciones gobernantes del sonido en el entrenamiento para lograr una caracterización precisa y robusta al ruido de materiales absorbentes sin necesidad de un modelo directo explícito.

Jonas M. Schmid, Johannes D. Schmid, Martin Eser, Steffen Marburg2026-04-10💻 cs

In situ estimation of the acoustic surface impedance using simulation-based inference

Este estudio presenta un marco bayesiano basado en inferencia por simulación que utiliza redes neuronales y un modelo de oscilador amortiguado con cálculo fraccional para estimar de manera precisa y robusta las impedancias acústicas superficiales en entornos interiores complejos a partir de mediciones de presión sonora escasas, superando las limitaciones de los métodos convencionales.

Jonas M. Schmid, Johannes D. Schmid, Martin Eser, Steffen Marburg2026-04-09💻 cs

Fast reconstruction-based ROI triggering via anomaly detection in the CYGNO optical TPC

Este artículo presenta una estrategia de detección de anomalías no supervisada basada en autoencoders convolucionales entrenados con imágenes de pedestal para la extracción rápida y eficiente de regiones de interés en las cámaras de proyección de tiempo ópticas del experimento CYGNO, logrando una reducción significativa del área de imagen sin comprometer la señal reconstruida.

F. D. Amaro, R. Antonietti, E. Baracchini, L. Benussi, C. Capoccia, M. Caponero, L. G. M. de Carvalho, G. Cavoto, I. A. Costa, A. Croce, M. D'Astolfo, G. D'Imperio, G. Dho, E. Di Marco, J. M. F. dos S (…)2026-04-09🔬 physics

Training on Data Analysis Reproducibility via Containerization with Apptainer

Este artículo presenta los materiales y recursos desarrollados para capacitar a físicos en tecnologías de contenedores mediante Apptainer, con el objetivo de mejorar la reproducibilidad, portabilidad y colaboración en el análisis de datos de la física de altas energías y nuclear.

Roy Cruz Candelaria, Wouter Deconinck, Aman Desai, Guillermo Fidalgo Rodríguez, Michel Hernandez Villanueva, Kilian Lieret, Valeriia Lukashenko, Sudhir Malik, Marco Mambelli, Tetiana Mazurets, Alexand (…)2026-04-09🔬 physics