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 demonstra que a Decomposição de Modos Dinâmicos (DMD) é uma ferramenta eficaz para a análise modal experimental de sistemas mecânicos lineares, permitindo a extração precisa de parâmetros modais comparável aos métodos existentes, desde que os erros de medição sejam controlados.
O artigo demonstra que uma única família de produtos de matrizes de transferência aleatórias fornece uma realização unificada das leis de flutuação de um ponto nas subclasses canônicas do KPZ em (1+1) dimensões, além de revelar observáveis estatísticos intrínsecos à matriz que divergem dessas leis universais.
Este artigo apresenta um framework robusto e eficiente baseado em redes neurais convolucionais unidimensionais (1D-CNN) para análise em tempo real de espectros de ressonância magnética opticamente detectada (ODMR) de centros de vacância de nitrogênio em diamante, superando as limitações dos métodos de ajuste não linear convencionais em termos de velocidade, precisão e robustez, especialmente em baixas razões sinal-ruído, e validando sua aplicação em medições de temperatura intracelular e imageamento magnético de vórtices supercondutores.
Este artigo demonstra que, na transição do efeito Hall quântico inteiro em redes abertas, a decomposição da amplitude máxima da função de onda em um fator de ganho global e um componente extremo intrínseco revela que o ganho controla as estatísticas brutas, enquanto a normalização expõe uma criticalidade correlacionada complexa que desafia modelos de valor extremo generalizados padrão.
Este artigo apresenta uma teoria matemática que demonstra como representações abstratas de variáveis latentes emergem garantidamente nas camadas ocultas de redes neurais alimentadas por tarefas supervisionadas, explicando a formação de subespaços ortogonais observados tanto em redes artificiais quanto no cérebro.
O artigo propõe uma reconciliação entre as estatísticas de Pryce-Ward e Klein-Nishina para simulações semi-clássicas de correlações de fótons de aniquilação, introduzindo uma versão modificada da seção de choque que permite tratar os fótons entrelaçados como entidades separadas, superando a indefinição angular inerente ao estado de singlete.
O artigo apresenta o MorphZ, um estimador de verossimilhança marginal que utiliza a aproximação Morph para otimizar a amostragem de importância a partir de amostras do posterior, oferecendo estimativas precisas e de baixo custo computacional em diversas aplicações, desde benchmarks estatísticos até simulações de ondas gravitacionais.
Este artigo apresenta um método baseado no operador de Koopman e em kernels de assinatura para analisar e prever a temperatura da superfície do mar (TSM), demonstrando que a incorporação de histórico temporal em segmentos anuais melhora a precisão das previsões multianuais e revela modos espectrais coerentes.
Este trabalho resume os recentes avanços no uso de algoritmos de inteligência artificial, como redes neurais gráficas e transformadores, para classificar jatos hadrônicos e identificar objetos pesados no experimento ATLAS, destacando seu desempenho em dados simulados e reais e as perspectivas futuras para otimização baseada em dados.
O artigo apresenta os Processos Gaussianos Modulados Aleatoriamente como um quadro unificador para modelar, analisar e classificar a difusão anômala em meios heterogêneos, permitindo a caracterização estatística sistemática de diversos modelos existentes e sua aplicação na interpretação de trajetórias de partículas únicas em sistemas biológicos.