In het veld van statistische mechanica zoeken onderzoekers naar de verborgen patronen die het gedrag van enorme groepen deeltjes verklaren. Van de vloeibaarheid van water tot het magnetisme van een kompasnaald, deze discipline legt de brug tussen de willekeurige beweging van atomen en de voorspelbare eigenschappen van alledaagse materialen. Het is de taal van thermodynamica en entropie, vertaald naar wiskundige modellen die complexe systemen begrijpelijk maken.

Op Gist.Science maken we deze inzichten toegankelijk door elke nieuwe preprint in deze categorie direct te verwerken zodra deze verschijnt op arXiv. Onze team analyseert elk artikel om zowel een heldere, begrijpelijke samenvatting als een gedetailleerde technische uitleg te bieden, zodat onderzoekers en geïnteresseerden de kern van het werk snel kunnen doorgronden. Hieronder vindt u de meest recente bijdragen uit dit dynamische onderzoeksveld.

Rare Trajectories in a Prototypical Mean-field Disordered Model: Insights into Landscape and Instantons

Dit artikel presenteert een landschaps-onafhankelijke studie van zeldzame dynamische gebeurtenissen in gemiddelde-veld wanordelijke systemen, die de diversiteit van instantonen onthult, de structuur van metastabiele toestanden vastlegt en het punt van onomkeerbaarheid identificeert om zo een completer begrip van relaxatieprocessen binnen de RFOT-universaliteitsklasse te bevorderen.

Patrick Charbonneau, Giampaolo Folena, Enrico M. Malatesta, Tommaso Rizzo, Francesco Zamponi2026-03-10🔬 cond-mat

Learning mixed quantum states in large-scale experiments

De auteurs presenteren en testen een efficiënt protocol dat klassieke schaduwen van lokale willekeurige metingen gebruikt om de matrix-product-operator-representatie van experimenteel voorbereide kwantumtoestanden te leren, wat zij succesvol demonstreren door verstrengelde toestanden van tot 96 qubits op een supergeleidende kwantumprocessor te reconstrueren.

Matteo Votto, Marko Ljubotina, Cécilia Lancien, J. Ignacio Cirac, Peter Zoller, Maksym Serbyn, Lorenzo Piroli, Benoît Vermersch2026-03-10⚛️ quant-ph