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.

🔬 condensed matter

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

Deze paper presenteert een korte-tijdsontwikkeling voor een-dimensionale Fokker-Planck-vergelijkingen met ruimtelijk afhankelijke diffusiecoëfficiënten, waarbij de propagator wordt uitgedrukt als een product van een singulier en een regulier deel dat via een Taylorreeks kan worden berekend, en toont de toepassing in statistische fysica en biofysica.

Tom Dupont, Stefano Giordano, Fabrizio Cleri, Ralf Blossey2026-02-16
⚛️ quantum physics

Resource-Scalable Fully Quantum Metropolis-Hastings for Integer Linear Programming

Dit artikel introduceert een volledig kwantum Metropolis-Hastings-algoritme voor integer lineaire programmering dat een coherente random walk uitvoert met alleen reversibele kwantumcircuits, zonder afhankelijkheid van quantum-RAM of klassieke voorbewerking, en bewijst lineaire schaalbaarheid in zowel qubit-gebruik als Toffoli-kosten.

Gabriel Escrig, Roberto Campos, M. A. Martin-Delgado2026-02-16
🔬 condensed matter

Bayesian Time-Lapse Full Waveform Inversion using Hamiltonian Monte Carlo

Deze paper introduceert een Bayesiaanse sequentiële aanpak voor tijdloze Full Waveform Inversie met behulp van Hamiltonian Monte Carlo, waarbij de baseline-survey als prior wordt gebruikt om betrouwbare onzekerheidskwalificatie te bieden in hoge-dimensionale problemen met vergelijkbare nauwkeurigheid als parallelle methoden.

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