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.

Kinetic energy in random recurrent neural networks

Diese Studie kombiniert die dynamische Mittelwertfeldtheorie mit numerischen Simulationen, um zu zeigen, dass die kinetische Aktivität in zufälligen rekurrenten neuronalen Netzen einen kontinuierlichen Phasenübergang zum Chaos markiert, dessen Skalierungsverhalten und geometrische Eigenschaften neue Einblicke in die Dynamiklandschaft solcher Netze für Anwendungen wie Reservoir-Computing und synaptisches Lernen liefern.

Li-Ru Zhang, Haiping Huang2026-06-03🧬 q-bio

Smoothed-Cubic Spin-Glass Model of Random Lasers

Dieses Papier präsentiert ein geglättetes kubisches Spin-Glas-Modell für Zufallslaser, welches die sphärische Nebenbedingung durch einen realistischeren Verstärkungssättigungsmechanismus ersetzt, wodurch ein Mean-Field-Spin-Glas-Übergang mittels groß angelegter Simulationen aufgedeckt wird, während gleichzeitig eine Intensitätskondensation verhindert und die Untersuchung größerer, verdünnterer Systeme ermöglicht wird.

Marcello Benedetti, Luca Leuzzi2026-06-03🔬 physics.optics

A mean-field description of strong-to-weak symmetry breaking in the monitored three-dimensional Bose-Hubbard model

Diese Arbeit führt ein Gutzwiller-Mean-Field-Framework zur Simulation überwachter dreidimensionaler Bose-Hubbard-Systeme ein und zeigt auf, dass der Übergang von starker zu schwacher Symmetriebrechung durch einen lokalen Ordnungsparameter charakterisiert werden kann, der einen kritischen Punkt und Skalierungsexponenten mit dem Ladungsschärfungsübergang teilt.

Yicheng Tang, Pradip Kattel, J. H. Pixley2026-06-03🔬 cond-mat

Geometric Bounds on the Finite-Time Performance of Active Machines

Diese Arbeit etabliert einen vereinheitlichten thermodynamischen Rahmen, der die Endlichkeit-Leistung interagierender aktiver Maschinen charakterisiert, indem sie zyklische Arbeit in geometrische Komponenten zerlegt und aufzeigt, dass die optimale Energieumwandlung durch einen krümmungsinduzierten Lorentz-ähnlichen Effekt gesteuert wird und grundlegende Skalierungsgesetze mit thermoelektrischen Bauelementen teilt.

Geng Li, Z. C. Tu2026-06-03🔬 cond-mat

Predicting the conditions for observing the Mpemba effect

Diese Studie zeigt auf, dass der Mpemba-Effekt in eindimensionaler überdämpfter Langevin-Dynamik primär durch das Vorhandensein von Randbedingungen und nicht durch die spezifische interne Struktur der Potenziallandschaft getrieben wird, ein Mechanismus, der durch Spektralzerlegung erläutert wird, was eine einheitliche Klassifizierung und Konstruktion solcher Systeme ermöglicht.

Yue Liu, Tan Van Vu, Raphaël Chétrite, Frédéric van Wijland, Hisao Hayakawa2026-06-03🔬 cond-mat

Operator spreading in random circuits with orthogonal or symplectic symmetry

Diese Arbeit untersucht die Ausbreitung von Operatoren in zufälligen Quantenschaltkreisen mit orthogonaler oder symplektischer Symmetrie und enthüllt dabei distinkte Merkmale wie ternäre Gewichtsrelaxation, Domänenwände endlicher Breite sowie eine fundamentale Dichotomie im Verhalten der Butterfly-Geschwindigkeit, die sich signifikant vom gut untersuchten Fall der unitären Invarianz unterscheidet.

Zhiyang Tan, Piet W. Brouwer2026-06-03⚛️ quant-ph