2392 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 estudio generaliza el teorema del árbol de cadenas de Markov mediante la introducción de "bosques de bucles enraizados 0/1" para derivar expresiones diagramáticas exactas que describen la distribución de estado estacionario y las respuestas estáticas en un modelo de dinámica poblacional con mutación y reproducción paralelas.
Este trabajo establece formal y empíricamente que el Algoritmo Aproximado Cuántico para Optimización (QAOA) y el Recocido Cuántico (QA) son protocolos de enfriamiento universales cuyas trayectorias convergen y generan distribuciones pseudo-Boltzmann donde la temperatura objetivo disminuye algebraicamente a medida que aumentan los recursos invertidos, como el número de capas o el tiempo total.
Este trabajo demuestra que es posible generar estados con entrelazamiento de ley de volumen en una cadena fermiónica unidimensional mediante dinámicas puramente de mediciones locales no aleatorias y no conmutativas, sin necesidad de evolución unitaria intrínseca.
Este artículo estudia un modelo generalizado de Sachdev-Ye-Kitaev donde fermiones de Majorana se acoplan a grados de libertad bosónicos desordenados, demostrando que dicha interacción estabiliza la fase de vidrio de espín cuántico y modifica drásticamente la dinámica de los fermiones, ralentizando su decaimiento en la fase de vidrio y suprimiendo el comportamiento crítico SYK en la fase paramagnética.
El estudio presenta FIRE-Swap, un marco de primeros principios que revela mediante potenciales interatómicos de aprendizaje automático un orden químico tipo sal de roca y la formación de regiones polares nanométricas interconectadas dentro de cúmulos de niobio en el PMN, proporcionando una base mesoscópica para comprender la ferroelectricidad relajadora.
El artículo presenta un marco teórico basado en un potencial de doble pozo y acoplamientos dipolo-dipolo para describir cuantitativamente la inestabilidad de pandeo colectivo en marcos metal-orgánicos como el MOF-5, permitiendo analizar la transición entre fases ordenadas y desordenadas bajo tensión uniaxial.
Este trabajo introduce el Estado Cuántico de Operador Neuronal (NOQS), un modelo fundacional que aprende el operador de solución para predecir la evolución temporal de sistemas cuánticos bajo protocolos de conducción no vistos en una sola pasada, eliminando la necesidad de reoptimización y permitiendo su adaptación eficiente a mediciones experimentales.
Este artículo presenta un motor térmico cuántico basado en mediciones que utiliza un sistema de dos niveles acoplado para extraer trabajo mediante retroacción, estableciendo criterios de optimización universal y algoritmos numéricos que demuestran su alta eficiencia, robustez ante errores y viabilidad experimental en tecnologías cuánticas actuales.
Este artículo presenta un marco basado en redes que cuantifica la plasticidad como una medida estructural predictiva, definiéndola como la relación entre el tamaño del sistema y la fuerza de conectividad, lo que permite identificar un rango óptimo en el régimen crítico que equilibra la capacidad de cambio y la coherencia en diversos sistemas complejos.
Este artículo demuestra que el reinicio umbral, un mecanismo impulsado por eventos donde todo el proceso se reinicia cuando cualquier buscador alcanza un umbral predeterminado, optimiza significativamente el tiempo medio de primera llegada en búsquedas colectivas difusivas al acoplar el reinicio a la dinámica interna del sistema.