🔬 Category

physics.data-an

332 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.

Development of an LLM-Based System for Automatic Code Generation from HEP Publications

Este artículo presenta un sistema basado en modelos de lenguaje grandes (LLM) que extrae procedimientos de análisis de publicaciones de física de altas energías para generar código ejecutable, demostrando mediante un caso de estudio de ATLAS que, aunque estos modelos son prometedores como herramientas de apoyo con intervención humana para la reproducibilidad, aún enfrentan desafíos significativos como la aleatoriedad y las alucinaciones que impiden su uso totalmente autónomo.

Masahiko Saito, Tomoe Kishimoto, Junichi Tanaka2026-04-17🔬 physics

NOMAI : A real-time photometric classifier for superluminous supernovae identification. A science module for the Fink broker

El artículo presenta NOMAI, un clasificador de aprendizaje automático en tiempo real integrado en el broker Fink que identifica eficientemente candidatos a supernovas de luminosidad extrema a partir de alertas fotométricas del ZTF, logrando una alta recuperación de objetos conocidos y preparándose para su adaptación al futuro Observatorio Rubin.

E. Russeil, R. Lunnan, J. Peloton, S. Schulze, P. J. Pessi, D. Perley, J. Sollerman, A. Gkini, Y. Hu, T. -W. Chen, E. C. Bellm, T. X. Chen, B. Rusholme2026-04-17🔭 astro-ph

Functional Renormalization for Signal Detection: Dimensional Analysis and Dimensional Phase Transition for Nearly Continuous Spectra Effective Field Theory

Este artículo propone un marco de grupo de renormalización funcional que, al tratar el espectro empírico como una teoría de campo efectiva, identifica una "transición de fase dimensional" en el orden del parámetro canónico para detectar señales extensivas en el bulo de ruido a ratios señal-ruido inferiores al umbral clásico BBP, validando así su eficacia en conjuntos de datos realistas.

Riccardo Finotello, Vincent Lahoche, Dine Ousmane Samary2026-04-16⚛️ hep-th

An Attention-Based Stochastic Simulator for Multisite Extremes to Evaluate Nonstationary, Cascading Flood Risk

Este artículo presenta un simulador estocástico basado en atención que genera catálogos de riesgo de inundación coherentes en el espacio y el tiempo para la cuenca del río Misisipi, llenando un vacío crítico al permitir la evaluación de riesgos financieros y la planificación para contratos de seguros ante la variabilidad climática interanual a decadal.

Adam Nayak, Pierre Gentine, Upmanu Lall2026-04-16🔬 physics

On the use of the Derivative Approximation for Likelihoods for Gravitational Wave Inference

Este artículo presenta una comparación exhaustiva que demuestra que el método DALI, especialmente su variante singlet, ofrece una aproximación precisa de las distribuciones posteriores en la inferencia de ondas gravitacionales con un coste computacional significativamente menor que los métodos tradicionales, acompañada del lanzamiento de la versión 1.0 del código público GWDALI.

Josiel Mendonça Soares de Souza, Miguel Quartin2026-04-16⚛️ gr-qc

Physics-driven Comparative Analysis of Various Statistical Distance Metrics and Normalizing Functions

Este artículo presenta un análisis comparativo basado en datos de eventos de electrones y fotones de un isótopo de Kriptón-83 para evaluar la estabilidad de diversas métricas de distancia estadística y funciones de normalización al analizar funciones de densidad y masa de probabilidad.

Nafis Fuad (Center for Exploration of Energy,Matter, Indiana University, Bloomington, IN 47405, USA)2026-04-16⚛️ nucl-ex

General aspects of internal noise in spiking neural networks

Este estudio demuestra que el ruido multiplicativo en el potencial de membrana es el más perjudicial para las redes neuronales de espigas (SNN) al silenciar la actividad neuronal, pero que esta vulnerabilidad puede mitigarse eficazmente mediante un filtrado de entrada basado en sigmoides, revelando además que las SNN son más robustas frente al ruido común que al no común.

I. D. Kolesnikov, D. A. Maksimov, V. M. Moskvitin, N. Semenova2026-04-16🌀 nlin

Bring the noise: exact inference from noisy simulations in collider physics

Este artículo presenta un método de inferencia exacta basado en cadenas de Markov de Monte Carlo pseudo-marginales que, mediante un nuevo estimador no sesgado para la verosimilitud de Poisson, permite obtener conclusiones precisas en la física de colisionadores a pesar de las simulaciones ruidosas y aproximadas, manteniendo un costo computacional comparable a los métodos aproximados existentes.

Christopher Chang, Benjamin Farmer, Andrew Fowlie, Anders Kvellestad2026-04-15⚛️ hep-ex

Cross-Domain Transfer with Particle Physics Foundation Models: From Jets to Neutrino Interactions

Este estudio demuestra que el modelo fundacional OmniLearned, pre-entrenado en colisiones de alta energía, puede transferirse eficazmente a experimentos de neutrinos de baja energía para tareas de regresión y clasificación, superando a los modelos entrenados desde cero y sugiriendo un paradigma de inferencia agnóstica al detector en física de partículas.

Gregor Krzmanc, Vinicius Mikuni, Benjamin Nachman, Callum Wilkinson2026-04-15⚛️ hep-ex