331 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 los valores críticos de percolación obtenidos mediante simulaciones de Monte Carlo para el mosaico aperiódico Smith Hat, reportando umbrales específicos tanto para percolación de sitios como de enlaces en la estructura y su grafo dual.
Este estudio evalúa el diseño y entrenamiento de emuladores basados en aprendizaje científico para los procesos de microfísica de aerosoles en el modelo E3SMv2, demostrando que la convergencia óptima, la estrategia de escalado y una arquitectura de red moderadamente compleja permiten reproducir con precisión las características clave de los cambios en la concentración de aerosoles.
Este estudio demuestra que la aplicación de la teoría de Marcadores de Redes Dinámicas (DNM) a los datos de ordenes y ejecuciones de la Bolsa de Tokio permite detectar señales de advertencia temprana de inestabilidad del mercado y grandes movimientos de precios a escala diaria.
Este artículo presenta el problema NP-duro de CriticalSet para identificar contribuyentes críticos en redes bipartitas, demostrando la superioridad de sus propuestas, el algoritmo lineal MinCov y la medida ShapleyCov, sobre los métodos tradicionales mediante experimentos en conjuntos de datos a gran escala.
Este artículo propone una definición operativa de interpretabilidad para el aprendizaje automático científico que prioriza la comprensión de los mecanismos físicos sobre la simple escasez matemática, argumentando que la confusión actual entre ambos conceptos obstaculiza el descubrimiento científico genuino.
Este artículo establece una identidad exacta que vincula la producción de entropía con la información mutua en dinámicas de Langevin sobreamortiguadas, permitiendo una descomposición no negativa de la entropía en componentes de auto y de interacción que revela la estructura termodinámica de la irreversibilidad mecánica.
Este artículo presenta un enfoque bayesiano para la cuantificación de la incertidumbre en la desmezcla espectral híbrida de espectrometría gamma, demostrando que, aunque la aproximación de Laplace es efectiva en condiciones ideales, el método de Monte Carlo mediante cadenas de Markov (MCMC) ofrece resultados más robustos y precisos cuando las restricciones de deformación espectral o el ruido de fondo son significativos.
Este artículo compara los métodos de media ponderada y mediana para calcular una media común a partir de mediciones independientes, proponiendo un nuevo estimador combinado que ofrece resultados más robustos y realistas tanto para datos consistentes como discrepantes.
Este artículo revisa la aplicación de la varianza de Allan y sus modificaciones (WAVAR, MAVAR y WMAVAR) para analizar series temporales en astrometría y geodesia, abordando específicamente la necesidad de ponderar datos con incertidumbres variables y procesar series de vectores multidimensionales.
El artículo presenta SREAG, un nuevo método para dividir una superficie esférica en celdas de área igual mediante anillos latitudinales de ancho casi constante y celdas rectangulares, ofreciendo una mayor uniformidad, versatilidad y facilidad de visualización en comparación con otras técnicas de pixelización utilizadas en astronomía y geodesia.