physics.data-an 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.

Enhancing Reconstruction Capability of Wavelet Transform Amorphous Radial Distribution Function via Machine Learning Assisted Parameter Tuning

Este estudio presenta el marco WT-RDF+, que optimiza los parámetros de la Transformada de Ondículas de la Función de Distribución Radial mediante aprendizaje automático para superar las limitaciones de precisión en la reconstrucción de estructuras amorfas de Ge-Se y Ag-Ge-Se, superando a modelos de referencia como RBF y LSTM con solo el 25% de los datos de entrenamiento.

Deriyan Senjaya, Stephen Ekaputra Limantoro2026-03-11🔬 cond-mat.mtrl-sci

New techniques to investigate the AGN-SF connection with integral field spectroscopy

Este estudio presenta un nuevo método basado en espectroscopía de campo integral para separar las contribuciones de la formación estelar y los núcleos galácticos activos en galaxias locales, revelando una correlación moderada entre la tasa de acreción del AGN y la formación estelar nuclear reciente, lo que sugiere una conexión física entre ambos procesos.

Aman Chopra, Henry R. M. Zovaro, Rebecca L. Davies2026-03-11📊 stat

Physics-based signal analysis of genome sequences: GenomeBits overview

El artículo presenta una visión general de GenomeBits, una herramienta de análisis genómico basada en métodos de procesamiento de señales y principios físicos que, mediante la transformación de secuencias de nucleótidos en señales numéricas, permite identificar patrones de mutación, transiciones de orden-desorden en variantes virales como el SARS-CoV-2 y Monkeypox, e incluso explorar extensiones cuánticas para modelar genomas como funciones de onda.

E. Canessa2026-03-10🧬 q-bio

Leveraging chaotic transients in the training of artificial neural networks

Este artículo demuestra que utilizar tasas de aprendizaje excepcionalmente altas, que sitúan al entrenamiento de redes neuronales en un régimen transitorio caótico caracterizado por un equilibrio entre exploración y explotación, permite acelerar significativamente el tiempo de entrenamiento necesario para alcanzar una alta precisión en diversas arquitecturas y tareas de aprendizaje supervisado.

Pedro Jiménez-González, Miguel C. Soriano, Lucas Lacasa2026-03-10🤖 cs.LG

A Thermodynamic Structure of Asymptotic Inference

Este artículo desarrolla un marco termodinámico para la inferencia asintótica que identifica la información de Shannon con la entropía, establece leyes análogas a las de la termodinámica para la estimación de parámetros y revela que la física de conjuntos y la física inferencial son procesos duales evolucionando en direcciones opuestas dentro de una descripción unificada.

Willy Wong2026-03-10🔬 physics

GNN For Muon Particle Momentum estimation

Este artículo demuestra que las Redes Neuronales de Grafos (GNN) superan a modelos tradicionales como TabNet en la estimación del momento de partículas muónicas para el experimento CMS del CERN, destacando la importancia de la dimensionalidad de las características de los nodos para la eficiencia del modelo.

Vishak K Bhat, Eric A. F. Reinhardt, Sergei Gleyzer2026-03-10🤖 cs.LG

Learning the Standard Model Manifold: Bayesian Latent Diffusion for Collider Anomaly Detection

Los autores proponen un marco de detección de anomalías para datos de colisionadores basado en un modelo de difusión latente bayesiano e informado por la física, que combina estimación de densidad flexible con restricciones físicas para mejorar la estabilidad y la generalización en la búsqueda de nueva física.

Jigar Patel, Tommaso Dorigo2026-03-10🔬 physics

Experimentally Resolving Gravity-Capillary Wave Evolution in Vessels of Unknown Boundary Conditions

Este artículo presenta el marco de análisis de datos "Extracted Mode Tracking" (EMT), que utiliza aprendizaje automático no supervisado para determinar experimentalmente la evolución de ondas de gravedad-capilaridad en recipientes con condiciones de contorno desconocidas, permitiendo así el estudio cuantitativo de dinámicas no lineales sin necesidad de modelado teórico previo.

Sean M. D. Gregory, Vitor S. Barroso, Silvia Schiattarella, Anastasios Avgoustidis, Silke Weinfurtner2026-03-10🔬 physics

Universal electronic manifolds for extrapolative alloy discovery

Este estudio presenta un marco computacional eficiente que utiliza la densidad electrónica no interactuante y el aprendizaje activo bayesiano para descubrir aleaciones de alta entropía refractarias mediante la extrapolación cero-shot y la predicción precisa de propiedades mecánicas con un mínimo de datos de entrenamiento.

Pranoy Ray, Sayan Bhowmik, Phanish Suryanarayana, Surya R. Kalidindi, Andrew J. Medford2026-03-10🔬 cond-mat.mtrl-sci

Pseudo-Coherence and Stochastic Synchronization: A Non-Normal Route to Collective Dynamics without Oscillators

Este artículo identifica un nuevo mecanismo llamado "pseudo-coherencia" mediante el cual sistemas estocásticos linealmente estables y sin osciladores intrínsecos pueden exhibir comportamiento colectivo sincronizado y transitorio gracias a la amplificación pseudoespectral no normal, desafiando la noción tradicional de que la organización temporal requiere osciladores o bifurcaciones de Hopf.

V. Troude, D. Sornette2026-03-10🔬 physics

← Anterior Siguiente →