257 artigos
Nesta seção, exploramos a interseção fascinante entre a física e a análise de dados, onde teorias complexas encontram o poder da computação moderna para revelar padrões ocultos no universo. Aqui, os princípios fundamentais da matéria e da energia são aplicados a conjuntos de informações massivos, permitindo que cientistas testem hipóteses com precisão sem precedentes e descubram novas fronteiras no nosso entendimento da realidade.
No Gist.Science, monitoramos diariamente o arXiv para trazer as pesquisas mais recentes desta categoria diretamente até você. Processamos cada novo pré-publicação, oferecendo tanto um resumo técnico detalhado para especialistas quanto uma explicação em linguagem simples para que qualquer pessoa possa acompanhar as descobertas. Abaixo, você encontrará a lista atualizada dos artigos mais recentes em Física — Análise de Dados.
Este artigo apresenta um novo simulador estocástico baseado em atenção que gera catálogos de inundações multissítio coerentes no espaço e no tempo, condicionados à variabilidade climática interanual, para preencher a lacuna crítica na avaliação de riscos de seguros contra inundações em horizontes de planejamento financeiro de médio a longo prazo.
O artigo apresenta uma comparação detalhada entre o Método de Matriz de Informação de Fisher, a Aproximação de Derivada para Verossimilhanças (DALI) e o MCMC tradicional para inferência de ondas gravitacionais, demonstrando que o DALI oferece uma aproximação precisa do posterior com custos computacionais drasticamente reduzidos e introduz a versão 1.0 do código público GWDALI.
Este trabalho apresenta um novo estimador de energia de neutrinos baseado na massa invariante hadrônica () para detectores LArTPC, demonstrando que, embora possua resolução de energia inferior sob condições ideais, ele oferece o menor viés e a maior robustez contra incertezas de modelagem em comparação com outros métodos, sendo particularmente eficaz para eventos inclusivos na região de transição entre espalhamento inelástico raso e profundo.
Este artigo apresenta uma análise comparativa sistemática e orientada por dados de diversas métricas de distância estatística e funções de normalização, utilizando eventos de elétrons e fótons de um isótopo de Kriptônio-83 para avaliar a estabilidade de um parâmetro de interesse sob diferentes condições experimentais e numéricas.
Este estudo demonstra que o ruído multiplicativo no potencial de membrana é o fator mais prejudicial ao desempenho de redes neurais de pulso (SNNs) devido à supressão da atividade neuronal, mas que essa vulnerabilidade pode ser mitigada eficazmente através de pré-filtragem de entrada baseada em sigmoides, enquanto o ruído aditivo na corrente de entrada e o ruído comum entre neurônios apresentam impactos significativamente menores.
O estudo demonstra que o modelo de base OmniLearned, pré-treinado em colisões de alta energia, pode ser efetivamente transferido para experimentos de neutrinos de baixa energia, superando modelos treinados do zero e validando a viabilidade de modelos de base generalistas para física de partículas.
Este estudo utiliza dados do censo dos EUA para demonstrar que a parentalidade e o casamento redefinem significativamente os padrões de mobilidade urbana e o acesso a amenidades, revelando que diferentes cidades favorecem distintos arranjos familiares e exigindo estratégias de planejamento urbano mais diversificadas em vez de abordagens genéricas.
O artigo propõe um método de estimativa de máxima verossimilhança hierárquica derivado de um modelo bayesiano para análise de dados de RMN resolvidos no tempo, que supera os procedimentos em duas etapas e os métodos de Fourier ao propagar incertezas de forma intrínseca e otimizar a precisão em experimentos com hiperpolarização, sendo também aplicável a outras áreas como a fotosspectroscopia.
Este trabalho propõe um método baseado em grafos para detectar o Fundo Estocástico de Ondas Gravitacionais (SGWB) usando os resíduos de temporização de pulsares, demonstrando que estatísticas de resumo discriminativas, como o coeficiente de agrupamento médio e a flutuação do peso das arestas, permitem identificar o sinal com alta precisão e revelar evidências fracas no conjunto de dados NANOGrav de 15 anos.
Este artigo propõe uma metodologia baseada em dados para identificar automaticamente, sem necessidade de informações espaciais prévias, as imagens mais representativas de defeitos em termografia infravermelha, utilizando três métricas complementares (Índice de Homogeneidade de Mistura, Área Elementar Representativa e Energia de Variação Total) validadas experimentalmente em compósitos de fibra de carbono.