337 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 investiga o uso de uma equipe de agentes baseados em grandes modelos de linguagem (LLMs) para automatizar a análise de dados em física de partículas, demonstrando que a melhor solução gerada por esses agentes no conjunto de dados LHC Olympics atinge desempenho comparável aos resultados de ponta alcançados por humanos.
Este artigo identifica um novo mecanismo de criticalidade em sistemas multiplicativos multidimensionais, onde a não normalidade das matrizes aleatórias gera amplificação transitória de autovetores que eleva o expoente de Lyapunov efetivo e produz distribuições de cauda pesada, superando o modelo clássico de processos de Kesten.
Este estudo utiliza dados históricos de relógios atômicos do sistema GPS para realizar uma busca retrospectiva por campos de baixa massa emitidos pela fusão de estrelas de nêutrons GW170817, estabelecendo novos limites inferiores rigorosos para escalas de interação de física exótica e demonstrando o potencial de redes globais de satélites para testes de física fundamental.
Este artigo apresenta um novo modelo de função de espalhamento de ponto (PSF) baseado em aprendizado profundo e processos gaussianos, que supera a precisão do método PIFF ao capturar variações espaciais coerentes no campo de visão, oferecendo uma solução aprimorada para análises de lentes gravitacionais fracas em grandes levantamentos cosmológicos como o LSST.
Este artigo investiga as leis de escalonamento neural para a classificação de jatos impulsionados no conjunto de dados JetClass, demonstrando que o aumento do poder computacional permite aproximar-se de limites de desempenho assintóticos, enquanto a repetição de dados e o uso de características de nível mais baixo podem otimizar esses limites e melhorar os resultados.
O artigo apresenta a "portaria de energia potencial", um método inovador que modula a confiança nas observações com base no potencial energético local para melhorar significativamente a estimativa de estados em sistemas estocásticos bistáveis, demonstrando robustez superior a filtros convencionais em cenários com ruído, dados escassos e aplicação em registros paleoclimáticos.
Este trabalho demonstra que a inferência baseada em simulação auxiliada por redes neurais, particularmente o método de Estimação de Posteriori Neural (NPE), supera os métodos tradicionais como o MCMC ao gerar distribuições posteriores precisas e eficientes para espaços de parâmetros complexos do Modelo Padrão Supersimétrico (pMSSM), mesmo sob restrições experimentais rigorosas e com observáveis de matéria escura.
O artigo propõe novos intervalos credíveis não paramétricos de amostra finita que ocupam um meio-termo filosófico e prático entre as abordagens bayesiana e frequentista, utilizando apenas priores unidimensionais para estimar a função de distribuição acumulada e a média de distribuições com suporte limitado.
Este artigo propõe um teste de aderência do tipo Stein, baseado em polinômios de Jacobi, para verificar se a distribuição de velocidades de sistemas de N corpos finitos segue a distribuição de equilíbrio exata (não gaussiana) derivada da maximização da entropia de Havrda–Charvát, oferecendo uma ferramenta estatística com controle exato do erro para regimes onde a aproximação de Maxwell–Boltzmann não é válida.
O artigo apresenta um framework de computação de reservatório quântico baseado em um sistema de até seis qubits que, sendo independente da plataforma física, alcança precisão superior a 86% na previsão de tendências de volumes de negociação de empresas do setor quântico, demonstrando a eficácia de pequenos reservatórios quânticos para modelagem de séries temporais financeiras em hardware quântico de curto prazo.