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.
Este artículo presenta un método de una sola cámara que utiliza redes neuronales y modelos de cámara de agujero para reconstruir con alta resolución y de forma no intrusiva la forma tridimensional de láminas transparentes y deformables en flujo, validando la técnica mediante datos sintéticos y experimentos de sedimentación.
Este artículo propone un enfoque algebraico para la espectroscopía de rayos gamma que modela los esquemas de desintegración como quivers y extiende su álgebra de caminos a una "álgebra de coincidencia" estructurada como un haz, permitiendo el cálculo de probabilidades de coincidencia entre transiciones no directamente conectadas.
Este artículo presenta un protocolo bayesiano que combina el ajuste de plantillas espectrales completas con la evaluación de evidencia probabilística para identificar con alta significancia estadística fuentes de neutrones individuales o múltiples a partir de espectros de retroceso y tiempo de vuelo, incluso con recuentos de eventos tan bajos como .
Este estudio presenta un protocolo optimizado que utiliza redes neuronales artificiales y el análisis de nueve características morfológicas de patrones de fractura en pastas de almidón desecadas para identificar con una precisión del 96% el solvente original, incluso después de su evaporación completa.
Este trabajo analiza la evolución temporal de la probabilidad de supervivencia en redes de Erdős-Rényi, revelando que su decaimiento y la profundidad del "correlation hole" dependen de las dimensiones de correlación de los autoestados multifractales y del grado promedio de la red.
El artículo presenta \texttt{py5vec}, un paquete modular de Python que implementa y extiende el método de los 5 vectores para la búsqueda de ondas gravitacionales continuas, incorporando nuevas formulaciones estadísticas, una arquitectura flexible para la interoperabilidad con otras herramientas y una validación exitosa con datos reales de LIGO.
Este estudio presenta un algoritmo novedoso basado en teoría de grafos que permite la segmentación precisa y la medición de celdas de detonación a partir de trazas de presión en 3D, superando las limitaciones de los métodos manuales y bidimensionales tradicionales.
Este trabajo presenta pronósticos que demuestran que, aunque las estadísticas de transformada de dispersión de wavelets (WST) ofrecen restricciones similares al espectro de potencia para el lenteado del CMB, los armónicos de fase de wavelets (WPH) superan significativamente al espectro de potencia cruzado en el análisis combinado con lenteado débil de galaxias, gracias a una novedosa metodología de agrupamiento aprendida que optimiza la compresión de datos sin sobreajuste.
El artículo presenta CoSR (Cadena de Regresión Simbólica), un marco innovador que imita el descubrimiento progresivo de leyes físicas mediante la combinación lógica de unidades de conocimiento interpretables, superando las limitaciones de los métodos tradicionales para mejorar teorías clásicas y descubrir nuevas relaciones en problemas de ingeniería complejos.
Este artículo presenta un marco de campo medio dinámico que analiza y optimiza la planificación de schedules de parámetros en solvers analógicos como las máquinas de Ising, demostrando que pueden alcanzar soluciones cercanas al óptimo en tiempo constante para el modelo de vidrios de espín Sherrington-Kirkpatrick mediante estrategias de recocido específicas.