Die statistische Mechanik untersucht, wie das chaotische Verhalten von Milliarden winziger Teilchen die großartigen Eigenschaften der Materie erklärt, die wir täglich erleben. Auf dieser Seite finden Sie aktuelle Forschung, die von der Thermodynamik bis zu komplexen Quantensystemen reicht und zeigt, wie mikroskopische Regeln makroskopische Phänomene wie Supraleitung oder Phasenübergänge formen.

Auf Gist.Science durchsuchen wir kontinuierlich arXiv, um jede neue Veröffentlichung in diesem Bereich sofort zu erfassen. Wir bieten nicht nur den originalen wissenschaftlichen Artikel an, sondern verarbeiten jeden Eintrag mit einer verständlichen Zusammenfassung für Laien sowie einer detaillierten technischen Analyse für Experten, damit Sie den Inhalt je nach Bedarf schnell erfassen können.

Nachfolgend finden Sie die neuesten Arbeiten aus der statistischen Mechanik, die wir kürzlich für Sie aufbereitet haben.

Rejection-free Glauber Monte Carlo for the 2D Random Field Ising Model via Hierarchical Probabilistic Counters

Die Arbeit stellt einen effizienten, ablehnungsfreien Monte-Carlo-Algorithmus für das zweidimensionale Random-Field-Ising-Modell vor, der durch den Einsatz hierarchischer probabilistischer Zähler Spin-Auswahl in O(log N) ermöglicht und damit im Vergleich zum Metropolis-Verfahren im Niedertemperaturbereich eine Beschleunigung um mehr als zwei Größenordnungen bei gleichzeitig korrekter dynamischer Simulation erreicht.

Luca Cattaneo, Federico Ettori, Giovanni Cerri, Paolo Biscari, Ezio Puppin2026-03-19🔬 cond-mat

Phase Transition of Hard Disk Systems with Vicsek-type Interactions

Diese Studie untersucht mittels ereignisdynamischer Simulationen das Phasendiagramm selbstgetriebener harter Scheiben mit Vicsek-artigen Wechselwirkungen und zeigt, wie die Inkompressibilität der Scheiben die motilitätsinduzierte Phasentrennung unterdrückt sowie wie lokale Konfigurationsparameter die mikroskopischen Ursachen für anomale Verschiebungen der Phasenübergangspunkte erklären.

Nobuaki Murase, Masaharu Isobe2026-03-19🔬 cond-mat

Study of Meta-Fibonacci Integer Sequences by Continuous Self-Referential Functional Equations

Diese Arbeit untersucht meta-Fibonacci-Folgen wie die von Conway, Hofstadter und dem Autor durch kontinuierliche selbstreferenzielle Funktionalgleichungen, wobei für einige Folgen exakte Lösungen zur Modellierung des globalen Verhaltens gefunden werden und für die Hofstadter-Folge ein Ansatz mit Zufallsmatrizen entwickelt wird, der fraktale Lösungen sowie anomale Skalierungseigenschaften erklärt.

Klaus Pinn2026-03-19🌀 nlin