🔬 Category

physics.data-an

334 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.

Guesswork in the gap: the impact of uncertainty in the compact binary population on source classification

Este estudio analiza cómo la incertidumbre en los modelos de poblaciones de binarias compactas y las ecuaciones de estado afecta la clasificación de objetos en el "hueco de masa inferior", revelando que la probabilidad de identificar componentes como estrellas de neutrones varía significativamente según los parámetros poblacionales, lo que limita la fiabilidad de estas clasificaciones en eventos futuros.

Utkarsh Mali, Reed Essick2026-03-24⚛️ gr-qc

Trigger Optimization and Event Classification for Dark Matter Searches in the CYGNO Experiment Using Machine Learning

El artículo presenta dos estrategias de aprendizaje automático para el experimento CYGNO: un autoencoder convolucional no supervisado que reduce drásticamente el volumen de datos al identificar anomalías en las imágenes, y un clasificador basado en el marco CWoLa que identifica topologías de retroceso nuclear sin etiquetas previas, optimizando así la búsqueda de materia oscura.

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 (…)2026-03-24🔬 physics

Developing Machine Learning-Based Watch-to-Warning Severe Weather Guidance from the Warn-on-Forecast System

Este estudio presenta un marco de aprendizaje automático basado en el Sistema de Alerta de Pronóstico (WoFS) que supera a los métodos tradicionales para generar pronósticos probabilísticos de peligros meteorológicos severos con una ventana de 2 a 6 horas, demostrando la eficacia del post-procesamiento de modelos de convección permitida para la orientación de alertas tempranas.

Montgomery Flora, Samuel Varga, Corey Potvin, Noah Lang2026-03-24🔬 physics

Sparse Weak-Form Discovery of Stochastic Generators

Este artículo presenta un marco unificado para el descubrimiento de datos de ecuaciones diferenciales estocásticas que combina la integración por partes de Weak SINDy con la identificación de sistemas estocásticos, utilizando funciones de prueba gaussianas espaciales para eliminar el sesgo estructural y recuperar con alta precisión los generadores de deriva y difusión mediante regresión esparsa.

Eshwar R A, Gajanan V. Honnavar2026-03-24🌀 nlin

Construction of the Global χ2\chi^2 Function for the Simultaneous Fitting of Correlated Energy-Dependent Cross Sections

Este artículo presenta la construcción de una función de χ2\chi^2 global diseñada para el ajuste simultáneo de secciones eficaces dependientes de la energía correlacionadas, incorporando las correlaciones entre diferentes procesos y puntos de energía, así como las contribuciones de las mediciones de luminosidad integrada y de la energía en el centro de masas.

Linquan Shao, Haoyu Yan, Yingjun Chen, Jiaxin Pi, Xingyu Zhou2026-03-24⚛️ hep-ex