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.

A Quantum Reservoir Computing Approach to Quantum Stock Price Forecasting in Quantum-Invested Markets

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.

Wendy Otieno, Alexandre Zagoskin, Alexander G. Balanov, Juan Totero Gongora, Sergey E. Savel'ev2026-02-16⚛️ quant-ph

Profiling systematic uncertainties in Simulation-Based Inference with Factorizable Normalizing Flows

Este artigo propõe um novo quadro de Inferência Baseada em Simulação que utiliza Fluxos Normalizantes Fatorizáveis e uma estratégia de treinamento amortizado para permitir a medição simultânea de distribuições multivariadas e o perfilamento eficiente de incertezas sistemáticas, superando as limitações computacionais e de dimensionalidade dos métodos atuais.

Davide Valsecchi, Mauro DonegÃ, Rainer Wallny2026-02-16⚛️ hep-ph

Bayesian Time-Lapse Full Waveform Inversion using Hamiltonian Monte Carlo

Este artigo propõe uma abordagem sequencial bayesiana para a Inversão de Forma de Onda Completa (FWI) de sísmica de monitoramento temporal utilizando o método Hamiltonian Monte Carlo (HMC), que integra informações da survey de base como conhecimento prévio para estimar variações temporais com quantificação de incertezas e precisão comparável a esquemas paralelos.

Paulo Douglas S. de Lima, Mauro S. Ferreira, Gilberto Corso, João M. de Araújo2026-02-13🔬 cond-mat

The search for the gust-wing interaction "textbook"

Este artigo demonstra que é possível investigar relações físicas complexas na interação entre asas e rajadas de vento, sintetizando um grande volume de dados experimentais em um conjunto reduzido e representativo de "exemplos didáticos" que, ao serem utilizados para treinar modelos de aprendizado de máquina, alcançam precisão preditiva comparável a conjuntos de treinamento muito maiores, otimizando assim a eficiência e a interpretabilidade dos modelos aerodinâmicos.

Paolo Olivucci, David E. Rival2026-02-13🔬 physics

Collective and nonlinear structure of wind power correlations

O estudo descreve como correlações coletivas e não lineares entre turbinas eólicas causam persistência e intermitência excessivas na produção total de energia, oferecendo novas perspectivas para a gestão de redes elétricas e o design de parques eólicos.

Samy E. Lakhal, J. E. Sardonia, M. M. Bandi2026-02-12🔬 physics

Stationary Distributions of the Mode-switching Chiarella Model

O artigo deriva as distribuições estacionárias de um modelo estocástico de mercados financeiros (modelo de Chiarella estendido) e identifica condições críticas de bifurcação que determinam quando as distribuições de erro de precificação e de tendência são unimodais ou bimodais, refutando conclusões anteriores da literatura.

Jutta G. Kurth, Jean-Philippe Bouchaud2026-02-11💰 q-fin

Parameter and hidden-state inference in mean-field models from partial observations of finite-size neural networks

O estudo propõe um método para inferir parâmetros e reconstruir estados ocultos de modelos de campo médio a partir de observações parciais de redes neurais finitas, utilizando algoritmos de evolução diferencial e sincronização de modelos para obter alta precisão mesmo em dinâmicas periódicas ou caóticas.

Irmantas Ratas, Kestutis Pyragas2026-02-11🌀 nlin

Wrapping and unwrapping multifractal fields

O artigo apresenta um método simples e versátil para gerar campos multifractais com propriedades de escala controladas e, inversamente, para "desembrulhar" dados experimentais, aplicando essa técnica para analisar a rugosidade de uma liga metálica fraturada.

Samy Lakhal, Laurent Ponson, Michael Benzaquen, Jean-Philippe Bouchaud2026-02-10🔢 math-ph

Mapping Inter-City Trade Networks to Maximum Entropy Models using Electronic Invoice Data

O estudo analisa a rede de comércio intermunicipal no estado do Ceará utilizando dados de notas fiscais eletrônicas, empregando algoritmos de detecção de comunidades e modelos de Máxima Entropia para demonstrar que as comunidades econômicas identificadas operam em um estado de alta coesão, próximo a um ponto crítico.

Cesar I. N. Sampaio Filho, Rilder S. Pires, Humberto A. Carmona, José S. Andrade2026-02-10🔬 physics

Reproducing the first and second moments of empirical degree distributions

O artigo propõe uma variante de modelos de grafos aleatórios exponenciais (ERGs) baseada em "fitness" para superar as limitações dos modelos lineares, permitindo reproduzir tanto a média quanto a variância da distribuição de graus de redes complexas reais.

Mattia Marzi, Francesca Giuffrida, Diego Garlaschelli, Tiziano Squartini2026-02-10💰 q-fin

← Anterior Próximo →