2407 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 utilizza simulazioni numeriche per rivelare come un mix attivo di componenti polari e apolari generi caos spaziotemporale e proliferazione di difetti topologici, mostrando una risposta non monotona dell'apolare che differisce dai sistemi di cristalli liquidi viventi.
Questo studio presenta una simulazione numerica della diffusione di solventi nei nanomateriali a base di dicalcogenuri di metalli di transizione durante reazioni solvoterme, dimostrando come parametri chiave come la diffusività e il tempo di reazione influenzino l'esfoliazione degli strati, la riduzione e l'uniformità delle dimensioni delle nanoparticelle attraverso l'analisi di statistiche di valanga ed entropia di Shannon.
Questo articolo fornisce una prova rigorosa dell'esistenza di un ordine entropico a temperature arbitrariamente alte in una classe di modelli di Ising generalizzati e dimostra che tali modelli risolvono problemi di impacchettamento su grafi, portando all'insorgenza di una fase vetrosa entropica dovuta alla complessità computazionale di tali problemi.
Questo studio introduce un modello minimale per analizzare la dinamica del collasso delle rappresentazioni nell'apprendimento auto-supervisionato, dimostrando come la frustrazione dei dati provochi il collasso e come l'uso dello stop-gradient e di un proiettore condiviso possa stabilizzare la separazione delle classi e prevenire tale fenomeno.
Il documento presenta un quadro teorico che, applicando canali quantistici agli stati critici banali, permette di prevedere sistematicamente gli spettri di entanglement e le corrispondenti teorie di campo conforme ai bordi degli stati topologici protetti da simmetria senza gap in una dimensione.
Il paper introduce un campionatore generativo multiscala, ispirato al gruppo di rinormalizzazione e basato su modelli di mistura gaussiana e flussi normalizzanti continui mascherati, che risolve il problema del rallentamento critico nelle teorie di campo reticolari riducendo drasticamente i tempi di autocorrelazione e abilitando una stima Multilevel Monte Carlo non distorta per la teoria scalare bidimensionale.
Questo articolo sviluppa una teoria multispettrale esatta a tempo finito per una particella browniana in una trappola armonica, caratterizzando la legge congiunta degli stimatori spettrali da una singola traiettoria e fornendo un quadro di inferenza che supera le approssimazioni asintotiche di Whittle tenendo conto delle correlazioni tra frequenze.
Utilizzando simulazioni di dinamica molecolare, lo studio indaga la conduzione termica in fluidi che conservano la quantità di moto, identificando tre regimi di trasporto distinti e rivelando una chiara transizione dimensionale dal comportamento anomalo quasi-bidimensionale al comportamento di Fourier tridimensionale.
Questo studio risolve l'incertezza decennale sulla posizione del punto critico liquido-vapore dell'alluminio, determinando con precisione una temperatura di 6531-6576 K, una densità di 0,637 g/cm³ e una pressione di 1,6 kbar attraverso simulazioni di dinamica molecolare basate su potenziali profondi addestrati su dati elettronici ad alta fedeltà.
Il paper deriva un limite informativo-teorico più stringente del limite di Carnot per l'efficienza dei motori termici, basato sulle correlazioni statistiche tra lo stato interno e l'hamiltoniana, che può essere saturato anche in cicli a tempo finito e si applica sia a sistemi classici che quantistici, offrendo nuovi principi di progettazione per macchine per il recupero energetico.