335 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 desenvolvimento e aplicação de um algoritmo de imageamento bayesiano baseado na Teoria do Campo de Informação para processar dados do eROSITA, resultando em uma imagem desruidada, deconvoluída e decomposta da região da SN1987A na Nuvem de Magalhães que permite a análise de estruturas em pequena escala e a identificação de fontes pontuais.
Esta revisão apresenta a primeira visão unificada do aprendizado de máquina científico na hidrologia, propondo um quadro metodológico coerente para integrar o conhecimento físico aos modelos orientados por dados, a fim de superar a fragmentação atual e orientar o progresso sistemático na área.
O artigo demonstra que a aplicação de filtragem Gaussiana de baixa frequência nas coordenadas de simulações de dinâmica molecular recupera estados conformacionais ocultos e melhora a definição da paisagem de energia livre, superando as distorções causadas pela projeção dimensional.
Este artigo compara as medidas de Sincronização de Eventos (ES) e Análise de Coincidência de Eventos (ECA), demonstrando que a ES possui limitações práticas ao analisar sequências com dependência serial e agrupamento de eventos, enquanto a ECA se revela um método mais robusto e recomendado para a análise de sincronização em séries temporais de eventos de diversas disciplinas.
Este artigo apresenta um modelo autorregressivo complexo simples e eficiente para previsões probabilísticas de curto prazo da irradiação solar global, que utiliza a volatilidade como parte imaginária e demonstra desempenho superior ou comparável a métodos clássicos, com potencial de aplicação em diversas áreas da física.
Este artigo propõe um rigoroso formalismo estatístico para estabelecer benchmarks de previsão de radiação solar, identificando que a combinação de métodos ingênuos e o novo modelo autoregressivo ARTU oferecem os melhores resultados, ressaltando a importância de selecionar a referência adequada conforme as características da variável e o horizonte de previsão.
Este artigo apresenta um método inovador de tomografia de difração de raios-X que utiliza a esparsidade e funções de base específicas para reconstruir mapas de distribuição de orientação em amostras policristalinas anisotrópicas com alta resolução angular, permitindo a análise de microestruturas complexas em materiais como metais e biominerais sem depender da identificação de picos de difração.
Este artigo propõe uma abordagem de previsão de curto prazo de radiação solar livre de modelos de céu limpo, utilizando Máquinas de Aprendizado Extremo (ELM) para aprender diretamente a periodicidade diária e a variabilidade local a partir de dados brutos de irradiância, superando as limitações operacionais dos métodos tradicionais e oferecendo previsões precisas e escaláveis.
Este trabalho apresenta uma análise sistemática de propagação de incertezas para uma câmera de campo magnético esférica, utilizando uma abordagem de Monte Carlo para quantificar como erros de calibração e posicionamento dos sensores afetam a precisão do modelo de campo estimado por expansões em harmônicos esféricos.
Este trabalho apresenta um quadro robusto para quantificar a variabilidade e a previsibilidade da irradiância solar através da Coeficiente de Variação Estocástica (sCV) e da Previsibilidade (F), métricas que superam as limitações dos indicadores tradicionais ao isolar flutuações estocásticas de tendências determinísticas, validadas em dados de 68 estações meteorológicas na Espanha para otimizar a gestão energética e a tomada de decisões.