🔬 Category

physics.data-an

36 artigos

Predicting the onset of period-doubling bifurcations via dominant eigenvalue extracted from autocorrelation

Este artigo propõe e valida um novo indicador de alerta precoce, o "dominant eigenvalue extracted from autocorrelation" (DE-AC), que estima o autovalor dominante a partir da função de autocorrelação para prever com maior precisão e sensibilidade o início de bifurcações de duplicação de período e arritmias cardíacas, superando métodos tradicionais como variância e autocorrelação de atraso-1.

Zhiqin Ma, Chunhua Zeng, Ting Gao, Jinqiao DuanMon, 09 Ma🔬 physics

A Tutorial on Bayesian Analysis of Linear Shock Compression Data

Este tutorial apresenta uma abordagem bayesiana em duas etapas para quantificar a incerteza em dados de compressão por choque, demonstrando como gerar múltiplas curvas de Hugoniot consistentes com medições de velocidade de onda de choque e partícula, superando as limitações da regressão por mínimos quadrados e do *bootstrapping* tradicional.

Jason Bernstein, Philip C. Myint, Beth A. Lindquist, Justin Lee BrownMon, 09 Ma🔬 physics

Noise2Ghost: Self-supervised deep convolutional reconstruction for ghost imaging

O artigo apresenta o "Noise2Ghost", um novo método de reconstrução de imagem fantasma baseado em aprendizado profundo auto-supervisionado que elimina a necessidade de dados de referência limpos e oferece redução de ruído superior, permitindo aplicações de alta qualidade em cenários de baixa luminosidade, como imageamento de raios-X de amostras biológicas e baterias.

Mathieu Manni, Dmitry Karpov, K. Joost Batenburg + 2 more2026-03-06🔬 physics

Physics-Embedded Bayesian Neural Network (PE-BNN) to predict Energy Dependence of Fission Product Yields with Fine Structures

O artigo apresenta um quadro de rede neural bayesiana incorporada à física (PE-BNN) que, ao integrar fatores de casca fenomenológicos independentes de energia e otimização de hiperparâmetros via WAIC, prevê com precisão os rendimentos de produtos de fissão dependentes da energia, capturando tanto estruturas finas quanto tendências globais em concordância com efeitos de casca conhecidos.

Jingde Chen, Yuta Mukobara, Kazuki Fujio + 3 more2026-03-06🔬 physics

Settlement percolation: global maps of Critical Distances

Este estudo apresenta o conjunto de dados Global Settlement Percolation (GSP), que mapeia globalmente as "distâncias críticas" nas quais assentamentos isolados se fundem em um único aglomerado, oferecendo uma nova métrica independente para analisar a conectividade e a configuração espacial dos assentamentos humanos e seus impactos socioeconômicos e ecológicos.

Martin Schorcht, Martin Behnisch, Larissa T. Beumer + 6 more2026-03-06🔬 physics

Extreme Value Analysis for Finite, Multivariate and Correlated Systems with Finance as an Example

Este artigo propõe um quadro prático para a análise de valores extremos em sistemas multivariados, finitos e correlacionados, utilizando o exemplo de retornos financeiros de alta frequência rotacionados na base de autovetores da matriz de correlação para isolar efeitos coletivos e estimar riscos de cauda não estacionários sem depender de máximos de blocos.

Benjamin Köhler, Anton J. Heckens, Thomas Guhr2026-03-06🔬 physics

Structured generalized sliced Wasserstein distance for keV X-ray polarization analysis with Gas Pixel Detector

Este artigo propõe o uso de uma distância de Wasserstein fatiada generalizada estruturada, baseada em redes neurais com pesos aleatórios, como uma abordagem totalmente orientada por dados para analisar a polarização de raios X em keV em Detectores de Célula de Gás, permitindo a distinção de configurações de ângulos de incidência e direções de polarização sem a necessidade de extração prévia de ângulos de emissão.

Pengcheng Ai, Hongtao Qin, Xiangming Sun + 3 more2026-03-05🔭 astro-ph

A Structurally Localized Ensemble Kalman Filtering Approach

Este trabalho apresenta uma nova abordagem de filtro de Kalman por conjunto que elimina a necessidade de técnicas de localização auxiliares ao localizar intrinsicamente a densidade de probabilidade da análise através de uma aproximação variacional bayesiana em marginais independentes, demonstrando desempenho comparável aos métodos tradicionais com localização ajustada em termos de precisão e custo computacional.

Boujemaa Ait-El-Fquih, Ibrahim Hoteit2026-03-05🔬 physics