Para cada artigo desta página, pelo menos um dos autores originais viu nossa explicação em linguagem simples e se envolveu com ela — confirmando a precisão ou solicitando correções que depois aplicamos. Uma confirmação não significa que os autores aprovem formalmente cada frase, mas que a explicação passou pelos olhos de quem escreveu o artigo.

281 artigos revisados por autores · 241–250 / 281

Large-scale peculiar velocities in the universe

O artigo discute a existência e as implicações dos grandes fluxos de massa no universo, destacando as discrepâncias entre as velocidades observadas e as previsões do modelo padrão ΛCDM, bem como os desafios teóricos para explicar esses movimentos que podem ter influenciado a formação de estruturas e distorcido nossas observações cosmológicas.

Christos G. Tsagas, Leandros Perivolaropoulos, Kerkyra Asvesta2026-03-06✓ Author reviewed 🔭 astro-ph

Large-scale Integration of Experimental and Computational Data for 2D Materials

Este artigo apresenta o X2DB, uma infraestrutura aberta que integra dados experimentais e computacionais sobre materiais bidimensionais, consolidando o conhecimento fragmentado de 370 materiais realizados e estabelecendo uma base para a síntese preditiva e orientada por dados de novos materiais.

Mohammad A. Akhound, Tara M. Boland, Mikkel O. Sauer, Matthias Batzill, Moses A. Bokinala, Stela Canulescu, Yury Gogotsi, Philip Hofmann, Andras Kis, Jiong Lu, Thomas Michely, Søren Raza, Wencai Ren (…)2026-03-06✓ Author reviewed 🔬 cond-mat.mtrl-sci

Metabolic quantum limit to the information capacity of magnetoencephalography

Este artigo estabelece um limite fundamental independente de tecnologia para a capacidade de informação da magnetoencefalografia, derivado da resolução energética quântica e do metabolismo cerebral, que restringe a taxa máxima de informação a 2,2 Mbit/s e revela uma troca intrínseca entre as larguras de banda temporal e espacial devido à supressão geométrica de componentes multipolares superiores.

E. Gkoudinakis, S. Li, I. K. Kominis2026-03-06✓ Author reviewed ⚛️ quant-ph

How Effective Are Publicly Accessible Deepfake Detection Tools? A Comparative Evaluation of Open-Source and Free-to-Use Platforms

Este estudo apresenta a primeira avaliação comparativa de ferramentas públicas de detecção de deepfakes, revelando que, embora os especialistas humanos superem todos os sistemas automatizados, as ferramentas forenses e os classificadores de IA exibem padrões complementares de desempenho que destacam lacunas críticas nas capacidades atuais de verificação de mídia.

Michael Rettinger, Ben Beaumont, Nhien-An Le-Khac, Hong-Hanh Nguyen-Le2026-03-06✓ Author reviewed 🔒 cs.CR

Estimation of the complexity of a network under a Gaussian graphical model

Este artigo propõe e valida um estimador para a complexidade de redes em modelos gráficos gaussianos, combinando testes de aresta com controle da taxa de falsas descobertas e o método de Storey, demonstrando que, sob condições de dependência fraca, o estimador apresenta um viés ascendente que leva a uma subestimação da proporção real de arestas.

Nabaneet Das, Thorsten Dickhaus2026-03-05✓ Author reviewed 📊 stat

Position: Vector Prompt Interfaces Should Be Exposed to Enable Customization of Large Language Models

Este artigo defende que os provedores de modelos de linguagem devem expor interfaces de prompts vetoriais para permitir uma personalização escalável e estável, argumentando que essa abordagem supera as limitações de saturação dos prompts de texto e oferece um mecanismo de controle distinto sem aumentar significativamente os riscos de vazamento de dados.

Liangwei Yang, Shiyu Wang, Haolin Chen, Rithesh Murthy, Ming Zhu, Jielin Qiu, Zixiang Chen, Juntao Tan, Jianguo Zhang, Zhiwei Liu, Wenting Zhao, Silvio Savarese, Caiming Xiong, Huan Wang, Shelby Heine (…)2026-03-05✓ Author reviewed 💬 cs.CL

Directional Neural Collapse Explains Few-Shot Transfer in Self-Supervised Learning

O artigo demonstra que a variância direcional CDNV, uma quantidade geométrica que mede a variabilidade ao longo das direções de separação de classes, é o fator central que explica tanto a forte transferência em cenários de poucos exemplos quanto a baixa interferência entre múltiplas tarefas no aprendizado auto-supervisionado, ao garantir que os eixos de decisão permaneçam quase ortogonais.

Achleshwar Luthra, Yash Salunkhe, Tomer Galanti2026-03-05✓ Author reviewed 🤖 cs.AI