1975 Arbeiten
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.
Die Arbeit stellt eine Methode vor, die durch die Analyse der Quantenmetrik und der statischen Strukturfaktoren in einem parametrisierten Tensor-Netzwerk-Manifold konservative Operatoren, einschließlich Hamilton-Operatoren mit verbesserter Lokalität, für gegebene iPEPS-Zustände extrahiert und dabei Anwendungen wie den kurzreichweitigen RVB-Zustand und Quanten-Vielteilchen-Narben demonstriert.
Die Arbeit zeigt, dass das Heider-Modell mit externem Feld im Grenzfall struktureller Balance äquivalent zum Ising-Modell ohne äußeres Feld ist, was zu einem Phasenübergang bei einem kritischen Wert des sozialen Feldes führt.
Die Arbeit zeigt, dass bereits ein einzelner Defekt in einem periodischen Tight-Binding-Gitter durch nichtlineare Effekte wie nicht-monotone Unterdrückung des Transports und verstärkte Lokalisierung die Wellenfunktionsausbreitung fundamental verändert und damit einen mikroskopischen, defektgetriebenen Mechanismus der Quantenlokalisierung offenbart.
Die Studie zeigt, dass in dichten kolloidalen Suspensionen thermische Aktivierung zu einem Winkel der Ruhe führen kann, der zwar endlich ist, aber dennoch unter dem minimalen Wert für athermale reibungsfreie Granulate liegt, wobei dieser Übergang durch das Verhältnis von Gravitations- zu thermischem Druck bestimmt wird.
Diese Arbeit untersucht die Entstehung und Detektierbarkeit von Hawking-Strahlung in einem gequenchten chiralen Spin-Ketten-Modell, indem sie zeigt, dass die Strahlung trotz Abweichungen vom idealen Planck-Spektrum robuste Poisson-Statistik aufweist und dass ein Qubit-Sensor die Hawking-Temperatur nur im schwachen Kopplungsregime zuverlässig erfasst, während starke Kopplung das thermische Signal durch Umgebungsrauschen verschleiert.
Die Autoren stellen ein Framework vor, das physikalische und kausale Einschränkungen nutzt, um aus Daten stabile und genaue neuronale Modelle für turbulente dynamische Systeme zu entwickeln, die sowohl stationäre Statistiken als auch Reaktionen auf externe Kräfte korrekt abbilden.
Dieser Artikel bietet eine pädagogische Einführung in die Eigenzustandsthermalisierung, ein Phänomen, das erklärt, warum sich isolierte Quantensysteme unter unitärer Dynamik thermalisieren, und stützt dies auf Zufallsmatrixtheorie, Ergebnisse zur Volumen-Gesetz-Verschränkungsentropie sowie numerische Befunde.
Dieser Übersichtsartikel stellt neuartige Ansätze zur Messung der physikalischen Entropie in Nichtgleichgewichtszuständen vor, die es ermöglichen, dynamische Strukturen und Übergänge in komplexen Systemen zu identifizieren, und hebt dabei die spezifischen Herausforderungen und Unterschiede gegenüber der allgemeinen statistischen Entropieschätzung hervor.
Die Arbeit entwickelt ein störungstheoretisches Rahmenwerk zur Berechnung von Fixierungswahrscheinlichkeiten in multi-allelischen Moran-Prozessen unter schwacher Selektion und wendet dieses auf verschiedene biologische Modelle an, um die analytische Analyse stochastischer evolutionärer Dynamiken über Paarinteraktionen hinaus zu erweitern.
Diese Arbeit liefert eine vollständige mechanistische Charakterisierung des In-Context-Learnings in Transformern, die auf diskreten Markov-Ketten trainiert wurden, und identifiziert vier algorithmische Phasen sowie zwei qualitativ unterschiedliche Mechanismen, die durch Multi-Layer-Subschaltungen implementiert werden und deren Übergänge durch Datenvielfalt und Repräsentationsengpässe bestimmt werden.