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 introduz uma nova estratégia de adequação de modelo livre de distribuição para testar modelos de espectro de potência angular com parâmetros desconhecidos, o que garante ampla aplicabilidade e eficiência computacional significativa ao eliminar a necessidade de simulações caso a caso.
Este artigo apresenta uma estrutura livre de modelos que utiliza a entropia de Shannon ponderada por escolta e várias matrizes de divergência para detectar sensivelmente transições de fase e mudanças estatísticas em dados de espalhamento e imagem sem exigir modelos físicos explícitos ou parâmetros de ordem.
Ao aplicar o desvio de Allan aos embeddings de sentenças, este estudo caracteriza a dinâmica semântica do texto como uma trajetória estocástica, revelando regimes de escala de curto prazo distintos que diferenciam a escrita criativa da técnica e expondo uma redução sistemática no horizonte de estabilidade de longo prazo em grandes modelos de linguagem em comparação com a cognição humana.
Este artigo introduz o Adaptive Particle Batch Smoother (AdaPBS), um novo algoritmo de assimilação de dados criosféricos que combina métodos de partículas com a estrutura iterativa AMIS para mitigar o colapso de ensemble e ajustar dinamicamente os custos computacionais, demonstrando desempenho superior ou comparável em relação aos métodos existentes em diversos cenários de assimilação de profundidade de neve.
Este artigo apresenta um método escalável impulsionado por IA, utilizando imagens de satélite e o Segment Anything Model, para medir automaticamente as distâncias de travessia de pedestres nas 100 maiores cidades da América, revelando que cidades mais antigas tendem a ter ruas mais largas e centradas em carros, com distâncias de travessia de medianas variando de 32 a 78 pés.
Este artigo apresenta a métrica ARGOS baseada em dados, uma ferramenta teoricamente fundamentada e empiricamente robusta para selecionar os modelos de detecção de anomalias mais sensíveis de forma agnóstica ao modelo, demonstrando sua superioridade sobre métricas existentes, como a perda de entropia cruzada binária, em tarefas como ajuste de hiperparâmetros e seleção de características.
O McSAS3 é um conjunto de softwares de Monte Carlo refatorado que apresenta uma interface gráfica de usuário que permite a análise automatizada e flexível e livre de forma de dados de espalhamento de pequeno ângulo para dispersores diluídos e densos.
O artigo apresenta o PanopTag, uma nova arquitetura encoder-decoder que marca simultaneamente todos os jatos em um evento de colisão de partículas ao aproveitar as correlações entre jatos e o contexto do nível do evento, superando significativamente os métodos tradicionais de classificação de jato único em identificação de sabor pesado.
Para abordar o risco da "rã fervendo" de os alunos se desengajarem das práticas epistêmicas do aprendizado de física devido à IA generativa, este artigo propõe um framework de design instrucional que posiciona a IA como uma parceira epistêmica delimitada dentro de atividades cognitivamente ativadas para garantir que os alunos permaneçam como os agentes primários de previsão, interpretação e avaliação.
Este tutorial fornece um guia prático de Imagem de Pixel Único e Sensoriamento Comprimido, detalhando implementações experimentais de vários métodos de reconstrução — desde algoritmos determinísticos até aprendizado profundo — juntamente com notebooks em Python acompanhantes para facilitar a reprodução de resultados e a aplicação a diversos cenários de imagem.