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 e avalia dois métodos de aprendizado simbólico, o SyNF e o SyTF, que geram equações algébricas interpretáveis para prever séries temporais caóticas com precisão competitiva e transparência científica, superando as limitações de "caixa preta" dos modelos de deep learning.
Este trabalho apresenta a Decomposição Parcial da Causalidade de Granger (PDGC), uma ferramenta baseada em decomposição de informação parcial que, ao analisar interações redundantes e sinérgicas em redes fisiológicas, revela novos padrões de disfunção autonômica relacionados ao controle simpático em pacientes com síncope neuramente mediada.
Este artigo apresenta um rastreador de partículas com fusão de sensores heterogêneos (câmera e LiDAR) que utiliza uma política adaptativa baseada em ganho de informação para selecionar dinamicamente o sensor mais informativo, demonstrando em um teste real no Chipre que essa abordagem oferece um equilíbrio superior entre precisão e continuidade na vigilância marítima em comparação com o uso isolado de sensores ou a fusão contínua de todos os dados.
Este artigo propõe uma nova arquitetura de Rede Neural em Grafos Heterogêneos que, ao integrar aprendizado multi-tarefa e camadas de poda de grafos, melhora significativamente a reconstrução de hádrons de beleza e a associação de vértices em colisões de partículas do LHC, superando desafios de escalabilidade e latência.
Este artigo apresenta um método baseado em sequências simbólicas e inferência bayesiana para detectar dependências de qualquer ordem em séries temporais multivariadas, modelando-as como hipergrafos para revelar interações de alta ordem significativas em sistemas neurais e sociais.
O artigo demonstra que o modelo de linguagem Qwen2.5, quando integrado a redes conectoras para formar o "Lightcone LLM" (L3M), supera inicializações padrão e rivaliza com redes dedicadas ao analisar e gerar mapas 3D da estrutura em grande escala cósmica para aplicações de física fundamental.
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 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 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.
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.