261 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 o QUnfold, uma nova abordagem de desdobramento em Física de Altas Energias baseada em otimização e formulada como um problema QUBO, que permite o uso de solucionadores quânticos e híbridos para reconstruir distribuições verdadeiras com precisão competitiva em relação aos métodos tradicionais.
Este artigo apresenta o TRec, um framework baseado em física que utiliza tomografia de espalhamento de múons com medição de momento para detectar com alta sensibilidade a ausência de combustível em microreatores selados, superando significativamente os métodos tradicionais como PoCA.
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.
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.
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.
O artigo propõe as SKANODEs, uma estrutura que integra redes KAN a Neural ODEs para recuperar estados físicos latentes e descobrir equações simbólicas interpretáveis de sistemas dinâmicos não lineares, superando métodos de caixa preta e clássicos em precisão e robustez.
Este trabalho demonstra que a aplicação de Redes Neurais Profundas na reconstrução de posição de um array de SiPMs com gradiente linear melhora significativamente a resolução e a linearidade, aumentando o número de áreas resolvidas em até 12,1 vezes em comparação com os métodos tradicionais.
Este estudo utiliza técnicas de visualização e sonificação (MIDI e PMSon) em dados multifrequenciais de nove blazares para revelar padrões de variabilidade e promover a inclusão na comunicação científica.
Este artigo analisa a discrepância entre as dinâmicas contínuas e as implementações discretas de máquinas de Ising baseadas em realimentação de medição, propondo e validando experimentalmente um método para reduzir a sensibilidade à seleção de hiperparâmetros nessas arquiteturas.
Este estudo analisa a correlação média do S&P500 utilizando uma equação de Langevin generalizada, demonstrando que efeitos de memória de pelo menos três semanas e a existência de uma escala de tempo lenta oculta são cruciais para melhorar a precisão das previsões e apoiar a estabilidade local dos estados de mercado.