🔬 Category

physics.data-an

261 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.

Time delay embeddings to characterize the timbre of musical instruments using Topological Data Analysis: a study on synthetic and real data

Este estudio demuestra que la aplicación del Análisis de Datos Topológicos a incrustaciones de retardo temporal de señales de audio, específicamente utilizando retardos relacionados con fracciones del periodo fundamental, caracteriza eficazmente el timbre musical al revelar estructuras armónicas y distinguir entre instrumentos tanto en datos sintéticos como reales.

Gakusei Sato, Hiroya Nakao, Riccardo Muolo2026-02-05🌀 nlin

Automated Extraction of Multicomponent Alloy Data Using Large Language Models for Sustainable Design

Este artículo presenta un flujo de trabajo basado en LLM que extrae con precisión datos de aleaciones multicomponente tanto de texto como de tablas para crear la base de datos de su tipo más grande disponible públicamente, permitiendo el diseño de materiales sostenibles mediante la identificación de candidatos a aleaciones de alto rendimiento para aplicaciones de aligeramiento, magnéticas blandas y de resistencia a la corrosión.

Aravindan Kamatchi Sundaram, Mohit Chakraborty, Sai Mani Kumar Devathi, B. Pabitramohan Prusty, Rohit Batra2026-02-05🔬 cond-mat.mtrl-sci

Link Statistics of Dislocation Network during Strain Hardening

Al analizar simulaciones de Dinámica de Dislocaciones Discretas de Cu de estructura fcc, este estudio revela que las longitudes de enlace de las dislocaciones en los sistemas de deslizamiento activos siguen una distribución doble exponencial debido al arqueamiento inducido por el esfuerzo, mientras que los sistemas inactivos exhiben una distribución exponencial simple, una distinción explicada al modelar la red como un proceso de Poisson unidimensional con tasas de crecimiento superlineales para los enlaces largos.

Sh. Akhondzadeh, Hanfeng Zhai, Wurong Jian, Ryan B. Sills, Nicolas Bertin, Wei Cai2026-02-03🔬 cond-mat.mtrl-sci

Functional Information in Quantum Darwinism: An Operational Measure of Objectivity

Este artículo propone un marco de información funcional para cuantificar la objetividad clásica en el Darwinismo Cuántico mediante la medición de la abundancia de fragmentos del entorno que codifican redundantemente la información del estado base (pointer information), revelando restricciones termodinámicas donde cada bit adicional de objetividad duplica la disipación de calor mínima requerida para la estabilización del registro.

Arda Batin Tank2026-02-03⚛️ quant-ph

Quantitative mobile gamma-ray spectrometry through Bayesian inference

Este artículo presenta un marco novedoso que combina simulaciones de Monte Carlo de alta fidelidad con la inferencia bayesiana para lograr una cuantificación rápida y de alta precisión de fuentes móviles de rayos gamma, avanzando significativamente las capacidades en seguridad radiológica, mapeo geofísico y exploración espacial.

David Breitenmoser, Alberto Stabilini, Malgorzata Magdalena Kasprzak, Sabine Mayer2026-02-03🔬 physics.app-ph

Multimodal Machine Learning for Integrating Heterogeneous Analytical Systems

Este artículo presenta un marco de aprendizaje automático multimodal interpretable que integra datos analíticos heterogéneos de SEM, Raman, adsorción de gases y mediciones eléctricas para caracterizar películas de nanotubos de carbono, demostrando que los modelos no lineales como XGBoost pueden predecir con precisión las propiedades del material al tiempo que proporcionan información físicamente significativa sobre las relaciones estructura-propiedad subyacentes.

Shun Muroga, Hideaki Nakajima, Taiyo Shimizu, Kazufumi Kobashi, Kenji Hata2026-02-03🔬 cond-mat.mtrl-sci

Phase Transitions in Unsupervised Feature Selection

Este artículo presenta un análisis teórico que demuestra que la selección de características no supervisada para proteínas mediante el Desequilibrio de Información Diferenciable revela una transición de fase entre estados de tipo vítreo y de tipo líquido, donde el número crítico de características físico-químicas coincide con la saturación del rendimiento de la clasificación descendente, ofreciendo un criterio fundamentado para identificar conjuntos de características mínimos.

Jonathan Fiorentino, Michele Monti, Dimitrios Miltiadis-Vrachnos, Vittorio Del Tatto, Alessandro Laio, Gian Gaetano Tartaglia2026-02-03🧬 q-bio

SPARKX: A Software Package for Analyzing Relativistic Kinematics in Collision Experiments

Este artículo presenta SPARKX, un paquete de Python de código abierto diseñado para agilizar y mejorar el análisis de la cinemática relativista en experimentos de colisiones de iones pesados al proporcionar un conjunto de herramientas integral y de múltiples formatos que se integra con los principales marcos de simulación como SMASH y JETSCAPE.

Nils Sass, Hendrik Roch, Niklas Götz, Renata Krupczak, Carl B. Rosenkvist2026-02-02⚛️ hep-ph

Leveraging Interactions for Efficient Swarm-Based Brownian Computing

Este artículo demuestra que las interacciones atractivas de corto alcance entre cuasipartículas brownianas impulsadas térmicamente permiten una optimización eficiente en términos de energía, escalable y robusta mediante un comportamiento cooperativo emergente, superando a los buscadores no interactuantes tanto en paisajes espaciales estáticos como dinámicos.

Alessandro Pignedoli, Atreya Majumdar, Karin Everschor-Sitte2026-02-02🌀 nlin