2070 artículos
La mecánica estadística es la rama de la física que conecta el comportamiento de átomos y moléculas individuales con las propiedades que observamos en nuestra vida diaria, como la temperatura o la presión. En esta sección de Gist.Science, exploramos cómo los científicos utilizan modelos matemáticos para entender fenómenos complejos, desde el magnetismo hasta los nuevos materiales, sin necesidad de descifrar ecuaciones intrincadas.
Cada documento en esta categoría proviene directamente de arXiv, el repositorio líder para preprints científicos. Nuestro equipo procesa cada nuevo envío en esta área, ofreciendo tanto un resumen técnico detallado para expertos como una explicación clara y accesible para cualquier persona interesada en la ciencia. A continuación, encontrará las investigaciones más recientes en mecánica estadística que han sido analizadas y simplificadas para su lectura.
Este trabajo establece una teoría general para la respuesta no lineal en estados estacionarios fuera del equilibrio, derivando una identidad exacta que vincula dicha respuesta con su contraparte lineal y estableciendo límites universales sobre su magnitud y resolución, aplicados posteriormente a la regulación transcripcional.
Este artículo demuestra que la dinámica de modos rápidos en sistemas cuánticos de muchos cuerpos, tanto caóticos como no caóticos, exhibe una universalidad de matrices aleatorias en el límite de alta complejidad, lo que permite desarrollar un método de "bootstrap espectral" para aproximar funciones espectrales mediante la resolución rigurosa de un problema de Riemann-Hilbert.
Este estudio presenta diagramas de fase de campo medio a temperatura finita para el modelo de Bose-Hubbard extendido en sistemas puros y desordenados, realizados con átomos de Rydberg, revelando cómo la competencia entre fluctuaciones cuánticas y térmicas modifica la estabilidad de las fases aislantes y cómo el desorden destruye estos lobos a temperaturas más bajas.
Este artículo presenta un marco general no invasivo que permite inferir las características geométricas y la evolución de estructuras ramificadas dinámicas mediante el análisis estadístico de las señales generadas por el transporte de partículas trazadoras, sin necesidad de acceder a mediciones internas o trayectorias individuales.
Los autores desarrollan un algoritmo de muestreo Monte Carlo para evaluar numéricamente la representación de Lehmann de la función de Green de una partícula a temperatura finita en el modelo de Lieb-Liniger repulsivo, permitiendo determinar la función espectral en todo el rango de temperaturas e interacciones, así como en ensembles de Gibbs generalizados, con resultados que muestran un excelente acuerdo con datos conocidos.
Este estudio revela que los agentes de Vicsek en un entorno de ruido complejo exhiben un orden rotacional emergente y un orden global reentrante, donde la intensidad del ruido y la heterogeneidad espacial modulan dinámicamente la segregación, el confinamiento y la cohesión de los enjambres.
Este estudio presenta un modelo analítico basado en la teoría de la elastica con fricción que predice con precisión tres modos de deslizamiento distintos (plegado, fijación y despliegue) al insertar una viga naturalmente curvada en un agujero rígido, organizándolos en un diagrama de fases para ofrecer un marco predictivo unificado en el diseño de ensamblajes por ajuste a presión.
Este artículo demuestra que en materiales topológicos bidimensionales, los modos de borde quirales o helicoidales generan cicatrices dinámicas que transportan la información de una perturbación inicial a lo largo del borde sin desordenarla, manteniendo una velocidad y dirección definidas y sin interactuar entre sí, incluso cuando el interior del sistema presenta un comportamiento de desorden direccional.
Mediante simulaciones de Monte Carlo y un mapeo a mecánica estadística, este estudio determina que el código de tablero de ajedrez, un tipo de código fractón, alcanza un umbral de capacidad de código óptimo de aproximadamente 0.107, el más alto conocido en tres dimensiones y cercano al límite teórico, lo que demuestra la alta resiliencia de los códigos fractones como memorias cuánticas.
Este artículo propone un método para mejorar el muestreo en modelos de Ising autoregresivos aprendiendo la estructura del campo aleatorio de Markov subyacente y utilizándola para determinar un ordenamiento de variables óptimo que reduce la complejidad del modelo y genera muestras de mayor fidelidad en comparación con los ordenamientos convencionales.