1592 articles
La physique statistique explore comment le comportement collectif de milliards de particules microscopiques donne naissance aux propriétés que nous observons dans la matière, comme la température ou la pression. Ce domaine relie le monde quantique aux phénomènes quotidiens, en étudiant l'ordre, le chaos et les transitions de phase qui façonnent notre univers matériel.
Sur Gist.Science, nous surveillons quotidiennement le dépôt arXiv pour repérer les nouvelles recherches en physique statistique. Chaque prépublication est analysée pour offrir deux niveaux de compréhension : un résumé accessible au grand public et une synthèse technique détaillée pour les spécialistes. Cette double approche permet à chacun de saisir l'essence de découvertes complexes sans barrières linguistiques.
Découvrez ci-dessous les dernières contributions de la communauté scientifique dans ce domaine fascinant, présentées avec la clarté qu'elles méritent.
Cette étude analyse les densités stationnaires et les transitions de phase d'un processus d'exclusion asymétrique (TASEP) couplé à une cinétique de Langmuir et relié à des réservoirs aux deux extrémités, révélant des diagrammes de phase distincts et plus complexes que ceux des modèles conventionnels.
Cette étude présente un cadre d'apprentissage par renforcement pour modéliser la navigation adaptative vers une cible, démontrant qu'un niveau optimal de bruit stochastique et les interactions entre agents optimisent l'efficacité du retour au foyer par rapport aux modèles de particules actives classiques.
Cette étude démontre que le transport ascendant (flux de particules opposé au gradient de concentration) émerge naturellement dans les modèles de diffusion-dérive avec exclusion de volume, établissant ainsi un lien entre les processus d'exclusion microscopiques et les modèles continus comme le modèle Poisson-Nernst-Planck.
Cette étude démontre que l'élasticité énergétique négative est une propriété fondamentale et universelle des chaînes polymères, émanant d'interactions de répulsion douce effectives et régie par un exposant d'échelle commun de à travers les croisements de marches aléatoires, auto-évitantes et évitant les voisins.
Cet article démontre que le cadre de mise à l'échelle de Family-Vicsek, traditionnellement utilisé pour la croissance de surfaces classiques, décrit universellement la dynamique à température infinie des chaînes de spins quantiques $SU(N)$ unidimensionnelles, révélant des régimes de transport distincts — balistiques, superdiffusifs et diffusifs — caractérisés par des exposants dynamiques spécifiques qui sont déterminés par les propriétés d'intégrabilité et de symétrie du système.
Cet article généralise les modèles de graphes aléatoires exponentiels en introduisant des interactions de liens par paires pour dériver une transformation de groupe de renormalisation à forme fermée pour les réseaux à faible coordination, démontrant l'équivalence formelle du désordre induit avec la dérive-diffusion inversée dans le temps et établissant l'irrélevance à longue longueur d'onde de certains effets de conditionnement pour des applications dans les problèmes sociaux, neuronaux et d'inférence.
Cet article introduit le Tensor Network Dynamical Message Passing (TNDMP), un nouveau cadre fondé sur la « factorisation induite par les susceptibles » qui résout l'arbitrage entre efficacité computationnelle et précision prédictive dans la modélisation épidémique en offrant des algorithmes à la fois exacts et extensibles qui surpassent les heuristiques existantes tout en les unifiant mathématiquement en tant que limites d'ordre inférieur.
Cet article résout le paradoxe classique de Gibbs sans invoquer la correction quantique en appliquant le principe d'équiprobabilité au sein d'un cadre informationnel qui interprète l'entropie de Gibbs comme l'entropie de Shannon, clarifiant ainsi le lien entre l'information et le travail extractible dans les processus de mélange de gaz.
Cet article étudie une équation de Cahn-Hilliard convective-visqueuse du sixième ordre dérivée d'un potentiel thermodynamique modifié, en dérivant des solutions exactes statiques et d'ondes progressives et en analysant leur dépendance vis-à-vis des paramètres du système.
Cette étude présente un algorithme pour la recherche structurelle automatique d'états de réseaux de tenseurs, incluant la renormalisation de l'intrication, qui optimise les structures locales basées sur l'énergie variationnelle pour améliorer la précision de la représentation des états intriqués non uniformes, particulièrement lorsqu'ils sont initialisés avec des méthodes de conception existantes comme le groupe de renormalisation à fort désordre.