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.

Data-Driven Automated Identification of Optimal Feature-Representative Images in Infrared Thermography Using Statistical and Morphological Metrics

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.

Harutyun Yagdjian, Martin Gurka2026-04-14🔬 physics.app-ph

Surface correlation functions of dead-leave models

Este artigo deriva expressões analíticas exatas para as funções de correlação de superfície em modelos de folhas mortas, válidas para qualquer forma de grão e dimensão, e demonstra que, embora estruturas geradas por esses modelos para meios aleatórios de Debye apresentem funções de correlação superfície-superfície quase idênticas às reconstruídas numericamente, elas exibem funções de correlação poro-superfície distintamente diferentes.

Cedric J. Gommes2026-04-14🔬 cond-mat.mtrl-sci

Emergence of Complex Structures

O artigo propõe um quadro unificado que combina dinâmica de fase, geometria de transporte e teoria da informação para explicar como estruturas complexas emergem de estados homogêneos, demonstrando que a aparente contradição entre ordenamento espacial e crescimento de entropia é resolvida pela dependência do nível de descrição, onde o aumento da ordem em campos espaciais coarse-grained coexiste com a complexidade crescente no espaço de fase total.

Francisco-Shu Kitaura2026-04-14🌀 nlin

Variational Dimension Lifting for Robust Tracking of Nonlinear Stochastic Dynamics

Este artigo propõe um quadro de "elevação variacional de dimensão" que transforma modelos de espaço de estado não lineares e estocásticos em sistemas lineares Gaussianos de dimensão superior, permitindo a aplicação de técnicas de inferência padrão para alcançar um rastreamento robusto e preciso de dinâmicas complexas, superando as instabilidades estruturais dos filtros convencionais.

Yonatan L. Ashenafi2026-04-13📊 stat

New Deep Learning Data Analysis Method for PROSPECT using GAPE: Genetic Algorithm Powered Evolution

Este artigo propõe o método GAPE (Evolução Potenciada por Algoritmo Genético) para otimizar modelos de aprendizado profundo na análise de dados do experimento PROSPECT, demonstrando que essa abordagem supera os métodos tradicionais na estimativa de energia e posição e melhora a razão sinal-ruído em quase 2,8 vezes ao identificar interações de antineutrinos de reatores.

M. Adriamirado, A. B. Balantekin, C. Bass, O. Benevides Rodrigues, E. P. Bernard, N. S. Bowden, C. D. Bryan, T. Classen, A. J. Conant, N. Craft, A. Delgado, G. Deichert, M. J. Dolinski, A. Erickson, M (…)2026-04-13⚛️ hep-ex

Physics-informed neural operators for the in situ characterization of locally reacting sound absorbers

Este trabalho apresenta uma abordagem baseada em operadores neurais informados pela física para estimar a admitância superficial de absorvedores acústicos diretamente de medições de campo próximo, garantindo previsões robustas a ruídos e consistentes com as leis físicas sem a necessidade de um modelo de forward explícito.

Jonas M. Schmid, Johannes D. Schmid, Martin Eser, Steffen Marburg2026-04-10💻 cs

In situ estimation of the acoustic surface impedance using simulation-based inference

Este estudo apresenta um quadro bayesiano baseado em inferência por simulação que utiliza redes neurais para estimar com precisão e quantificar a incerteza das impedâncias acústicas de superfície em ambientes internos complexos, diretamente a partir de medições esparsas de pressão sonora, superando as limitações das técnicas convencionais.

Jonas M. Schmid, Johannes D. Schmid, Martin Eser, Steffen Marburg2026-04-09💻 cs

Fast reconstruction-based ROI triggering via anomaly detection in the CYGNO optical TPC

Este artigo apresenta uma estratégia de detecção de anomalias baseada em autoencoders convolucionais treinados exclusivamente em imagens de pedestal para realizar a extração rápida e não supervisionada de regiões de interesse em câmeras de megapixels do TPC óptico CYGNO, alcançando uma redução significativa da área da imagem com alta eficiência na retenção de sinais físicos.

F. D. Amaro, R. Antonietti, E. Baracchini, L. Benussi, C. Capoccia, M. Caponero, L. G. M. de Carvalho, G. Cavoto, I. A. Costa, A. Croce, M. D'Astolfo, G. D'Imperio, G. Dho, E. Di Marco, J. M. F. dos S (…)2026-04-09🔬 physics

Training on Data Analysis Reproducibility via Containerization with Apptainer

Este artigo apresenta materiais e recursos de treinamento desenvolvidos pelo Centro de Treinamento da Fundação de Software de Física de Altas Energias para capacitar físicos no uso de tecnologias de containerização via Apptainer, visando aprimorar a reprodutibilidade, portabilidade e colaboração na preservação de análises científicas.

Roy Cruz Candelaria, Wouter Deconinck, Aman Desai, Guillermo Fidalgo Rodríguez, Michel Hernandez Villanueva, Kilian Lieret, Valeriia Lukashenko, Sudhir Malik, Marco Mambelli, Tetiana Mazurets, Alexand (…)2026-04-09🔬 physics