333 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 trabalho apresenta uma abordagem baseada em operadores neurais informados pela física para estimar a admitância superficial de absorvedores acústicos diretamente de medições de campo próximo, garantindo previsões robustas a ruídos e consistentes com as leis físicas sem a necessidade de um modelo de forward explícito.
Este estudo avalia três abordagens analíticas para quantificar a transferência de massa induzida por injeção em meios porosos usando microtomografia computadorizada de raios X, demonstrando que, embora todas estimem coeficientes de transferência semelhantes, a escolha do método deve equilibrar o nível de detalhe físico desejado com os recursos computacionais disponíveis, utilizando uma técnica de filtragem por razão de volume para mitigar vieses.
Este artigo utiliza a teoria de difusão para derivar soluções analíticas de equações diferenciais estocásticas que descrevem o ruído de temporização de pulsares e o fundo de ondas gravitacionais, revelando a inconsistência matemática de certos modelos de ruído vermelho e propondo alternativas, como um oscilador harmônico amortecido e um modelo de dois componentes, que garantem a estacionaridade necessária para a análise de sinais.
Este trabalho relaciona os termos das equações de Langevin multidimensionais com propriedades estatísticas de segunda e terceira ordens, abrangendo desde dinâmicas lineares gaussianas até processos subamortecidos e a detecção de não-Markovianidade.
Os autores apresentam uma estratégia bayesiana adaptativa e informada por simetrias que otimiza a estimação de parâmetros em medições quânticas, demonstrando experimentalmente uma redução de cinco vezes na variância fracional e uma aceleração na coleta de dados ao utilizar átomos de césio ultrafrios confinados em fibras ópticas.
Este estudo apresenta um quadro bayesiano baseado em inferência por simulação que utiliza redes neurais para estimar com precisão e quantificar a incerteza das impedâncias acústicas de superfície em ambientes internos complexos, diretamente a partir de medições esparsas de pressão sonora, superando as limitações das técnicas convencionais.
Este artigo apresenta uma estratégia de detecção de anomalias baseada em autoencoders convolucionais treinados exclusivamente em imagens de pedestal para realizar a extração rápida e não supervisionada de regiões de interesse em câmeras de megapixels do TPC óptico CYGNO, alcançando uma redução significativa da área da imagem com alta eficiência na retenção de sinais físicos.
Este artigo apresenta materiais e recursos de treinamento desenvolvidos pelo Centro de Treinamento da Fundação de Software de Física de Altas Energias para capacitar físicos no uso de tecnologias de containerização via Apptainer, visando aprimorar a reprodutibilidade, portabilidade e colaboração na preservação de análises científicas.
Este artigo apresenta um novo quadro geométrico para o branqueamento adaptativo em detectores de ondas gravitacionais, reformulando o problema como transporte paralelo em um fibrado principal para derivar uma lei de atualização holonômica que garante a estabilidade e a independência de caminho nas rotinas de calibração em tempo real.
Este artigo demonstra que a combinação de fatoração de matriz não negativa com computação de reservatório adaptável a parâmetros permite prever com precisão o momento exato de pontos de ruptura em sistemas dinâmicos espaciotemporais complexos e projeções climáticas, superando desafios de previsão e reduzindo significativamente o custo computacional.