252 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 estudo propõe uma estrutura de modelagem substituta de múltiplas fidelidades, utilizando co-krigagem recursiva, para prever com precisão e baixo custo computacional os coeficientes de carga de vento em navios porta-contêineres modernos em ambientes de porto.
Este trabalho propõe uma nova arquitetura de rede neural chamada Temporal U-Net, que utiliza perda perceptual e uma ponte informada pela física para realizar a interpolação de alta fidelidade de fluidos, superando o desfoque espacial e temporal de métodos convencionais ao preservar detalhes turbulentos de alta frequência.
O artigo apresenta o ArchGEM, um novo framework automatizado que utiliza métodos de detecção de picos e modelos de mistura gaussiana para identificar e caracterizar ruídos de luz espalhada em detectores LIGO, permitindo recuperar as propriedades físicas das superfícies causadoras do ruído.
O artigo propõe que a razão de temperatura constante observada na coroa solar é uma medida da divergência de entropia entre duas projeções diagnósticas (EUV e rádio) de uma distribuição de elétrons fora do equilíbrio térmico.
O estudo demonstra que a intermitência na turbulência estende o comprimento de coerência de Markov-Einstein para além do valor canônico, revelando que eventos extremos carregam uma memória muito maior do que o esperado e indicando a necessidade de correções não-markovianas nas equações que descrevem o cascateamento de energia.
O artigo apresenta o DySIB, um método baseado no princípio do gargalo de informação que aprende representações de baixa dimensão e interpretáveis de sistemas dinâmicos diretamente de dados experimentais de alta dimensão, sem a necessidade de reconstruir as observações originais.
Este artigo apresenta um método para calcular estatísticas locais (média, variância, etc.) em dados de grade incompletos, utilizando operadores espectrais que consideram as condições de contorno para evitar artefatos em coordenadas cartesianas e polares.
Este estudo apresenta a primeira determinação abrangente das principais taxas de decaimento hadrônico do bóson de Higgs no FCC-ee, demonstrando que a combinação de canais de produção e a análise de interferências permitirão medições de precisão ao nível de por mil para modos dominantes e, pela primeira vez, evidenciarão o acoplamento de Yukawa do quark estranho através do decaimento raro .
Este trabalho aborda as limitações de estudos anteriores em detecção de anomalias ao propor novos benchmarks de sinal e um conjunto de observáveis "kitchen sink" (Energy Flow Polynomials e subjettiness) que, além de oferecerem a maior sensibilidade para uma ampla gama de sinais, permitem reduzir significativamente o custo de treinamento através de uma variante de bagging de atributos.
Este estudo avalia o design e o treinamento de emuladores de aprendizado científico para parametrizações de microfísica de aerossóis no modelo E3SMv2, demonstrando que a escolha adequada de estratégias de escalonamento, convergência de otimização e complexidade da rede permite que arquiteturas simples reproduzam com precisão as mudanças na concentração de aerossóis induzidas por processos microfísicos.