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.

🔬 condensed matter

Short-time expansion of one-dimensional Fokker-Planck equations with heterogeneous diffusion

Questo articolo presenta un'espansione a breve termine per le equazioni di Fokker-Planck unidimensionali con coefficienti di diffusione eterogenei, derivata da processi stocastici con rumore bianco gaussiano, che esprime il propagatore come prodotto di un termine singolare in forma chiusa e un termine regolare calcolabile tramite uno sviluppo di Taylor, applicando il metodo a casi di fisica statistica e biofisica e identificando una classe di equazioni stocastiche risolvibili esattamente.

Tom Dupont, Stefano Giordano, Fabrizio Cleri, Ralf Blossey2026-02-16
🔬 condensed matter

Acoustic Full Waveform Inversion with Hamiltonian Monte Carlo Method

Questo studio propone una strategia innovativa per la sintonizzazione della matrice di massa nel metodo Hamiltonian Monte Carlo, dimostrando come tale approccio permetta di risolvere efficacemente l'inversione della forma d'onda completa acustica in scenari rumorosi e con dati limitati, migliorando la ricostruzione dei modelli sismici con costi computazionali contenuti.

Paulo D. S. de Lima, Gilberto Corso, Mauro S. Ferreira, João M. de Araújo2026-02-13
🔬 condensed matter

Bayesian Time-Lapse Full Waveform Inversion using Hamiltonian Monte Carlo

Questo studio propone un approccio sequenziale bayesiano per l'inversione completa delle forme d'onda sismiche time-lapse utilizzando il campionamento Hamiltonian Monte Carlo, che integra i dati di riferimento come conoscenza a priori per quantificare efficacemente le incertezze in scenari ad alta dimensionalità con risultati accurati paragonabili ai metodi paralleli.

Paulo Douglas S. de Lima, Mauro S. Ferreira, Gilberto Corso, João M. de Araújo2026-02-13