physics.data-an 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.

Amortized Inference of Multi-Modal Posteriors using Likelihood-Weighted Normalizing Flows

Este artigo apresenta uma técnica inovadora para estimação amortizada de posteriores usando Fluxos Normalizadores treinados com amostragem por importância ponderada pela verossimilhança, demonstrando que inicializar o fluxo com um Modelo de Mistura Gaussiana que corresponda à cardinalidade dos modos alvo é crucial para capturar corretamente distribuições multimodais e evitar pontes de probabilidade espúrias.

Rajneil Baruah2026-02-23⚛️ hep-ex

CNN on `Top': In Search of Scalable & Lightweight Image-based Jet Taggers

Este artigo propõe uma arquitetura leve e escalável baseada no EfficientNet, combinada com características globais, para criar um classificador de jatos de quark top que é computacionalmente eficiente e mantém um desempenho competitivo em relação a modelos mais complexos.

Rajneil Baruah, Subhadeep Mondal, Sunando Kumar Patra, Satyajit Roy2026-02-23⚛️ hep-ph

Generating temporal networks with the Ascona model

O artigo apresenta o modelo Ascona, um framework de amostragem baseado em filas para gerar redes temporais contínuas sintéticas com propriedades estocásticas controláveis e padrões de eventos prescritos, servindo como uma analogia contínua dos modelos de blocos estocásticos para validar métodos de análise de redes.

Samuel Koovely2026-02-23🔢 math

Probabilistic Methods for Initial Orbit Determination and Orbit Determination in Cislunar Space

Este trabalho apresenta um novo quadro probabilístico para a determinação inicial e de órbita no espaço cislunar, que combina um método de ajuste cinemático de observações consecutivas para gerar uma estimativa de estado inicial em forma de nuvem de partículas com um Filtro de Mistura Gaussiana de Partículas (PGM) para reduzir a incerteza ao longo do tempo, superando as limitações dos métodos tradicionais como o de Gauss em dinâmicas de três corpos.

Ishan Paranjape, Tarun Hejmadi, Suman Chakravorty2026-02-23⚡ eess

A simple tool for weighted averaging of inconsistent data sets

Este artigo apresenta e valida um método baseado na estatística bayesiana para calcular médias ponderadas de conjuntos de dados inconsistentes, superando as limitações da média ponderada padrão ao tratar as incertezas como limites inferiores e oferecendo uma biblioteca Python gratuita para sua implementação.

Martino Trassinelli, Marleen Maxton2026-02-20⚛️ hep-ex

Hyperbolic embedding of multilayer networks

Este trabalho apresenta um novo framework de embedding hiperbólico para redes multicamadas que preserva tanto a estrutura global quanto as especificidades de cada camada, superando abordagens existentes ao permitir a análise integrada de sistemas complexos com conjuntos de nós heterogêneos e conexões intercamadas, conforme demonstrado em modelos sintéticos e redes cerebrais reais.

Martin Guillemaud, Vera Dinkelacker, Mario Chavez2026-02-20🧬 q-bio

GollumFit: An IceCube Open-Source Framework for Binned-Likelihood Neutrino Telescope Analyses

O artigo apresenta o GollumFit, um framework de código aberto desenvolvido para o observatório IceCube que permite realizar análises de verossimilhança binned em dados de telescópios de neutrinos de forma eficiente, incorporando parâmetros específicos do observatório e lidando com dezenas de parâmetros de incerteza.

IceCube Collaboration2026-02-20⚛️ hep-ex

A Practical Guide to Unbinned Unfolding

Este guia apresenta recomendações e considerações práticas de pesquisadores de grandes experimentos de física de partículas sobre o uso de técnicas de desdobramento (unfolding) baseadas em aprendizado de máquina para processar dados não agrupados, permitindo análises multidimensionais mais flexíveis e comparações diretas entre experimentos e previsões teóricas.

Florencia Canelli, Kyle Cormier, Andrew Cudd, Dag Gillberg, Roger G. Huang, Weijie Jin, Sookhyun Lee, Vinicius Mikuni, Laura Miller, Benjamin Nachman, Jingjing Pan, Tanmay Pani, Mariel Pettee, Youqi S (…)2026-02-20⚛️ hep-ex

Impact of Geant4's Electromagnetic Physics Constructors on Accuracy and Performance of Simulations for Rare Event Searches

Este estudo quantifica o impacto de diferentes construtores de física eletromagnética do Geant4 na precisão da deposição de energia e no desempenho computacional de simulações para buscas de eventos raros em detectores de CaWO $_4$ e Ge, visando auxiliar na seleção da configuração mais adequada para prever fundos radioativos.

H. Kluck, R. Breier, A. Fuß, V. Mokina, V. Palušová, P. Povinec2026-02-20🔭 astro-ph

Distillation and Interpretability of Ensemble Forecasts of ENSO Phase using Entropic Learning

Este artigo apresenta um quadro de destilação que comprime um ensemble de modelos eSPA em modelos compactos e interpretáveis, preservando a habilidade de previsão de longo prazo do ENSO e permitindo a análise diagnóstica de seus precursores físicos e dinâmicas espaço-temporais.

Michael Groom, Davide Bassetti, Illia Horenko, Terence J. O'Kane2026-02-20📊 stat

← Anterior Próximo →