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.

Quantum-classical correspondence for spins at finite temperatures with application to Monte Carlo simulations

Dit artikel bewijst dat in de limiet van grote spinwaarden de kwantum-partitiefunctie asymptotisch overeenkomt met die van een klassiek model met spinlengte SC=S(S+1)S_C=\sqrt{S(S+1)}, wat een rigoureuze basis biedt voor Monte Carlo-simulaties die de overgangstemperaturen van diverse magnetische materialen nauwkeurig voorspellen.

A. El Mendili, M. E. Zhitomirsky2026-02-19🔬 cond-mat.mtrl-sci

Factorization Machine with Quadratic-Optimization Annealing for RNA Inverse Folding and Evaluation of Binary-Integer Encoding and Nucleotide Assignment

Deze studie introduceert een Factorization Machine met kwadratische optimalisatie-annealing (FMQA) voor RNA-omgekeerde vouwing en toont aan dat de keuze van nucleotide-toewijzingen en binaire-integer-coderingen, met name domeinwandcodering met guanine en cytosine aan de grenswaarden, de thermodynamische stabiliteit van de voorspelde structuren aanzienlijk verbetert.

Shuta Kikuchi, Shu Tanaka2026-02-19🔬 cond-mat

On the principal eigenvectors of random Markov matrices

Dit artikel analyseert de invariantie-distributies van willekeurige Markov-matrices op volledig gerichte grafen en bewijst dat, onder bepaalde momentvoorwaarden voor de randgewichten, de totale variatie-afstand tussen de invariantie-distributie en een verdeling omgekeerd evenredig met de vertexgewichten bijna zeker naar nul convergeert, terwijl de invariantie-distributie van de bijbehorende Markov-kern bijna zeker asymptotisch uniform is.

Jacob Calvert, Frank den Hollander, Dana Randall2026-02-18🔬 cond-mat