2422 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.
Les auteurs proposent un algorithme de groupe de renormalisation en espace réel pour les réseaux de tenseurs bidimensionnels qui, en utilisant des tenseurs de bord variationnels comme environnement optimisé, améliore la précision tout en conservant la complexité computationnelle de la méthode TRG originale.
Cet article démontre comment déterminer, à partir d'un Hamiltonien de Landau-Ginzburg-Wilson, une contribution entropique de type Casimir au potentiel de liaison pour l'humidification tridimensionnelle à courte portée, révélant que cette contribution modifie radicalement les prédictions des effets de fluctuation aux transitions d'humidification du premier ordre et tricritiques sans altérer le diagramme de phases global.
Cet article démontre que les chaînes périodiques de paraparticules interagissantes présentent un spectre d'énergie factorisé où les statistiques para-statistiques se manifestent directement par des secteurs de flux modifiant les tours conformes à basse énergie, permettant une résolution exacte via une réduction au modèle XXZ.
Cette étude propose une méthode de coarse-graining des dynamiques de diffusion hors équilibre vers des chaînes de Markov discrètes qui préserve le taux de production d'entropie à la limite, tout en démontrant que les modèles discrets inférés sous-estiment ce taux mais permettent de détecter l'état hors équilibre, comme illustré par des données de poissons en banc.
Cette étude numérique révèle que la rhéologie des écoulements granulaires denses vibrés est régie par un équilibre entre l'énergie d'agitation grainière et l'effet stabilisateur du confinement, expliquant ainsi la dépendance non monotone de la viscosité effective à la fréquence des vibrations.
Cet article présente un nouvel algorithme déterministe en temps polynomial qui utilise la courbure des sommets et la théorie spectrale pour identifier efficacement les isomorphismes de graphes, y compris dans des cas complexes résistants aux méthodes classiques, tout en garantissant l'absence de faux positifs grâce à une vérification explicite.
Cette étude démontre que l'entropie de Shannon grossière des marches aléatoires à pas rétrécissants (convolutions de Bernoulli) présente un maximum local au rapport de contraction dyadique de 1/2, résultant de la compétition entre l'élargissement diffusif et l'émergence de structures fractales fines, avec des implications potentielles pour la modélisation de l'autoréplication des protocellules.
Cette étude établit la transition de condensation dans des gaz sur réseau stochastiques avec des poids stationnaires dépendant de la taille, en dérivant la distribution de la taille des amas par échantillonnage biaisé et en illustrant ces résultats théoriques par des simulations de processus à portée nulle.
Cette étude analyse les points fixes des réseaux booléens sur des graphes aléatoires clairsemés, révélant une transition de phase entre un état gelé caractérisé par un unique cluster de solutions et un état fluctuant où les points fixes se regroupent en plusieurs clusters distants, avec des singularités dans les moments statistiques se produisant précisément à la transition.
Les auteurs résolvent un modèle de marche aléatoire lente avec mémoire de réinitialisation, démontrant que la diffusion sous-logarithmique de la particule conduit à une distribution de position bimodale et non gaussienne à long terme.