332 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 deriva expressões analíticas exatas para as funções de correlação de superfície em modelos de folhas mortas, válidas para qualquer forma de grão e dimensão, e demonstra que, embora estruturas geradas por esses modelos para meios aleatórios de Debye apresentem funções de correlação superfície-superfície quase idênticas às reconstruídas numericamente, elas exibem funções de correlação poro-superfície distintamente diferentes.
O artigo propõe um quadro unificado que combina dinâmica de fase, geometria de transporte e teoria da informação para explicar como estruturas complexas emergem de estados homogêneos, demonstrando que a aparente contradição entre ordenamento espacial e crescimento de entropia é resolvida pela dependência do nível de descrição, onde o aumento da ordem em campos espaciais coarse-grained coexiste com a complexidade crescente no espaço de fase total.
Este artigo estabelece um quadro unificado e interpretável, baseado em dados e regressão simbólica, que identifica descritores físicos distintos para otimizar simultaneamente a capacidade de armazenamento e a pressão de equilíbrio em hidretos intersticiais, permitindo o projeto racional de novos materiais para armazenamento de hidrogênio.
O artigo apresenta o EnScale, um quadro de aprendizado de máquina generativo que realiza o downscaling multivariado e temporalmente consistente de dados climáticos de modelos de circulação global para alta resolução, otimizando a precisão e reduzindo custos computacionais através do uso de regras de pontuação adequadas e camadas estocásticas locais esparsas.
Este artigo propõe um quadro de "elevação variacional de dimensão" que transforma modelos de espaço de estado não lineares e estocásticos em sistemas lineares Gaussianos de dimensão superior, permitindo a aplicação de técnicas de inferência padrão para alcançar um rastreamento robusto e preciso de dinâmicas complexas, superando as instabilidades estruturais dos filtros convencionais.
Este artigo propõe o método GAPE (Evolução Potenciada por Algoritmo Genético) para otimizar modelos de aprendizado profundo na análise de dados do experimento PROSPECT, demonstrando que essa abordagem supera os métodos tradicionais na estimativa de energia e posição e melhora a razão sinal-ruído em quase 2,8 vezes ao identificar interações de antineutrinos de reatores.
Este estudo desenvolve uma abordagem baseada em fluxos normalizadores condicionais para inferir a cinética de produção de proteínas em células em divisão, superando as limitações das equações mestras tradicionais ao demonstrar que o gene glc3 em leveduras permanece majoritariamente inativo sob condições de estresse, com ativações breves e transitórias.
O artigo apresenta o DeepX-GAN, um modelo generativo que captura extremos de calor espaciais "invisíveis" e não observados historicamente, revelando que esses riscos ocultos ameaçam desproporcionalmente nações vulneráveis no Oriente Médio e Norte da África e exigem planejamento adaptativo diante das mudanças climáticas futuras.
Este artigo apresenta a edição especial sobre Regressão Simbólica nas Ciências Físicas, destacando suas fundamentações, aplicações na descoberta de equações e modelagem, desafios metodológicos e direções futuras para o avanço da descoberta científica.
Este artigo estabelece uma ligação entre a teoria de resposta, medidas de puxada e o método de impressão digital ótima para prever o impacto de forçagens e atribuir anomalias observadas em sistemas não autônomos, derivando fórmulas para processos de Markov e difusões dependentes do tempo e validando a abordagem através de um modelo de balanço energético modificado.