334 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 propõe um método de filtragem algébrica que utiliza geradores de simetria como operadores lineares para enumerar de forma sistemática e completa todos os termos permitidos por simetrias em equações de continuum, facilitando a descoberta de equações governantes por meio de métodos orientados por dados.
Utilizando o conectoma completo de *Caenorhabditis elegans*, este estudo desenvolve um quadro multiplex unificado que revela como a sinalização sináptica e extra-sináptica se organizam em quatro regimes funcionais complementares, otimizados para velocidade, modulação, robustez e sobrevivência, esclarecendo a integração entre transmissão rápida e sinalização difusiva no cérebro.
O artigo apresenta o QuantumXCT, um framework generativo híbrido quântico-clássico que infere a comunicação célula-célula aprendendo transformações de estado induzidas por interações em dados de transcriptômica de célula única, superando as limitações dos métodos tradicionais baseados em bancos de dados de receptores-ligantes.
Este artigo propõe um Modelo de Mistura Adaptado a Templates que utiliza múltiplas simulações enviesadas para realizar inferências de parâmetros não enviesadas e bem calibradas na estimativa da fração de sinal em física de partículas, mitigando assim os erros causados por discrepâncias entre simulação e realidade.
Este estudo demonstra que o modelo logístico do Jogo da Vida, um sistema puramente determinístico, exibe dinâmicas invariantes de escala e transições críticas distintas, incluindo uma forma incomum de criticalidade auto-organizada e uma transição de percolação determinística, desafiando a noção de que inputs estocásticos são necessários para o comportamento crítico.
O artigo apresenta um método para quantificar interações não lineares em sistemas complexos acoplados e ruidosos, mesmo com medições parciais e observações apenas em instantes discretos, transformando um problema globalmente intratável em uma sequência de problemas de inferência solucionáveis.
Este trabalho estende os emuladores de aprendizado ativo para o espalhamento nuclear de dois corpos no espaço de momento, utilizando equações de Lippmann-Schwinger e projeções (Petrov-)Galerkin em Python/JAX para construir modelos de ordem reduzida eficientes com estimativa de erro, viabilizando futuras calibrações bayesianas de interações nucleares.
Este artigo apresenta um modelo epidemiológico inspirado na Eletrodinâmica Quântica que substitui o contato direto por interações mediadas por um campo patogênico, permitindo a derivação analítica de efeitos não locais e de blindagem espacial, além de demonstrar, através de dados da COVID-19 na Alemanha, que o campo de gauge atua como um sinal de alerta precoce para surtos com uma semana de antecedência.
Este trabalho apresenta um catálogo asterossísmico de 19.151 gigantes vermelhas nas Zonas de Observação Contínua do TESS, obtido através da análise de dados dos setores 1 a 87, que aumenta em 80% o número de gigantes oscilantes conhecidas e fornece medições precisas de massa e raio comparáveis às do Kepler, permitindo o mapeamento de tendências na Via Láctea para a Arqueologia Galáctica.
O artigo apresenta o BuSyNet, uma arquitetura de aprendizado profundo que descobre expressões simbólicas de Hamiltonianos dimensionalmente consistentes e interpretáveis, mapeando trajetórias para variáveis ação-ângulo latentes e superando métodos atuais em precisão e estabilidade de previsões de longo prazo para sistemas físicos como o oscilador harmônico e o problema de Kepler.