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.

Non-stabilizerness and U(1) symmetry in chaotic many-body quantum systems

Die Studie liefert exakte analytische Ergebnisse, die zeigen, wie eine U(1)-Symmetrie die Nicht-Stabilisiertheit (Magic) in chaotischen Quantensystemen unterdrückt und dabei eine qualitative Unterscheidung zwischen dem Verhalten von Verschränkung und Magic aufzeigt, was durch Vergleiche mit dem cSYK-Modell und einer XXZ-Kette bestätigt wird.

Daniele Iannotti, Angelo Russotto, Barbara Jasser, Jovan Odavić, Alioscia Hamma2026-04-01⚛️ quant-ph

Process-tensor approach to full counting statistics of charge transport in quantum many-body circuits

Die Autoren stellen eine numerische Tensor-Netzwerk-Methode vor, die auf der Darstellung des Prozess-Tensors basiert, um die vollständige Zählstatistik des Ladungstransports in wechselwirkenden eindimensionalen Quantensystemen zu berechnen und dabei Transportexponenten sowie das Brechen der KPZ-Universalität im isotropen Punkt des XXZ-Modells zu bestätigen.

Hari Kumar Yadalam, Mark T. Mitchison2026-04-01⚛️ quant-ph

Longest weakly increasing subsequences of discrete random walks on the integers with heavy tailed distribution of increments

Diese Studie untersucht die Skalierung und Verteilung der Länge der längsten schwach steigenden Teilfolgen in diskreten Zufallswalks mit schweren Verteilungsschwänzen und stellt fest, dass die durchschnittliche Länge bei endlicher Varianz wie nlogn\sqrt{n}\log{n} skaliert, während sie bei unendlicher Varianz einem Potenzgesetz mit einem Exponenten größer als 0,5 folgt, wobei die Verteilung im Kern gut durch ein Lognormalmodell approximiert wird.

José Ricardo G. Mendonça, Marcelo V. Freire2026-04-01🔬 cond-mat