1592 articoli
La statistica meccanica è il ponte affascinante che collega il comportamento invisibile di singole particelle alle proprietà tangibili della materia che ci circonda. Su Gist.Science, esploriamo come le fluttuazioni casuali e le interazioni collettive diano origine a fenomeni complessi come la superconduttività, i cambiamenti di fase e il magnetismo, rendendo accessibili concetti che spesso sembrano risiedere solo nel regno della teoria astratta.
Ogni nuovo preprint pubblicato su arXiv nella categoria Cond-Mat — Stat-Mech viene analizzato dai nostri esperti per offrire due livelli di comprensione: una spiegazione in linguaggio semplice per chiunque e un riassunto tecnico dettagliato per i ricercatori. Questo approccio duplice garantisce che le scoperte più recenti siano comprensibili a un pubblico vasto senza sacrificare il rigore scientifico.
Di seguito trovate la selezione più recente di articoli pubblicati in questo campo, pronti per essere esplorati attraverso le nostre sintesi curate.
Lo studio analizza le densità stazionarie e le transizioni di fase in un modello TASEP con cinetica di Langmuir collegato a serbatoi alle estremità, rivelando diagrammi di fase significativamente diversi rispetto al modello standard e l'esistenza di nuove fasi possibili.
Questo studio presenta un framework di Reinforcement Learning per modellare il comportamento di "homing" (ritorno al punto di origine) in ambienti continui, dimostrando come l'apprendimento basato sul costo e l'interazione tra agenti ottimizzino la navigazione rispetto ai modelli biologici standard.
Il lavoro analizza il fenomeno del trasporto "uphill" (flusso contro gradiente) in modelli di diffusione-drift con esclusione di volume, dimostrando come tale regime emerga naturalmente nei limiti idrodinamici e collegando i modelli particellari discreti alle descrizioni continue utilizzate in ambito ingegneristico, come il modello Poisson-Nernst-Planck.
Questo studio dimostra che l'elasticità energetica negativa è una proprietà fondamentale e universale delle catene polimeriche, derivante da interazioni di repulsione morbida effettive e governata da un esponente di scala comune di attraverso i crossover tra cammini casuali, auto-evitanti e con evitamento dei vicini.
Questo articolo dimostra che il framework di scaling di Family-Vicsek, tradizionalmente utilizzato per la crescita classica delle superfici, descrive universalmente la dinamica a temperatura infinita di catene di spin quantistici $SU(N)$ monodimensionali, rivelando distinti regimi di trasporto balistico, superdiffusivo e diffusivo caratterizzati da specifici esponenti dinamici che sono determinati dalle proprietà di integrabilità e simmetria del sistema.
Questo articolo generalizza i modelli di grafi casuali esponenziali introducendo interazioni di legame a coppie per derivare una trasformazione del gruppo di rinormalizzazione a forma chiusa per reti a bassa coordinazione, dimostrando l'equivalenza formale del disordine indotto con la diffusione-drift a tempo invertito e stabilendo l'irrelevanza a lunga lunghezza d'onda di determinati effetti di condizionamento per applicazioni in problemi sociali, neurali e di inferenza.
Questo articolo introduce il Tensor Network Dynamical Message Passing (TNDMP), un nuovo framework basato sulla "Susceptible-Induced Factorization" che risolve il compromesso tra efficienza computazionale e accuratezza predittiva nella modellazione epidemica, offrendo algoritmi sia esatti che scalabili che superano le euristiche esistenti, unificandoli matematicamente come limiti di basso ordine.
Questo articolo risolve il classico paradosso di Gibbs senza ricorrere alla correzione quantistica , applicando il principio di equiprobabilità all'interno di un quadro informativo che interpreta l'entropia di Gibbs come entropia di Shannon, chiarendo così il legame tra informazione e lavoro estraibile nei processi di miscelazione dei gas.
Questo articolo investiga un'equazione di Cahn-Hilliard convettiva-viscosa del sesto ordine derivata da un potenziale termodinamico modificato, derivando soluzioni esatte statiche e d'onda viaggiante e analizzando la loro dipendenza dai parametri del sistema.
Questo studio presenta un algoritmo per la ricerca strutturale automatica di stati di reti tensoriali, inclusa la rinormalizzazione dell'entanglement, che ottimizza le strutture locali basandosi sull'energia variazione per migliorare l'accuratezza nella rappresentazione di stati entangled non uniformi, in particolare quando inizializzato con metodi di progettazione esistenti come il gruppo di rinormalizzazione fortemente disordinato.