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

The Aesthetic Asymptotics of the Mayer Series Coefficients for a Dimer Gas on a Regular Lattice

Dit artikel vermoedt en verifieert numeriek dat de Mayer-reeks coëfficiënten voor dimeer gassen op diverse regelmatige bipartiete roosters een specifieke asymptotische exponentiële vorm volgen, terwijl het ook verbanden onderzoekt met de renormalisatiegroeptheorie, de susceptibiliteit van het Ising-model, en de eigenschappen van partitie- en priemgetalfuncties.

Paul Federbush2026-08-25
🔢 mathematics

Highly Entangled 2D Ground States: Tensor Network, Order Parameter and Correlation

Dit artikel presenteert analytische resultaten over exacte tensornetwerkrepresentaties en correlatiefuncties voor de eerste voorbeelden van 2D-grondtoestanden die kwantumfaseovergangen vertonen tussen area-wet en extensieve verstrengelingsentropie, gebruikmakend van 3D-tessellatiegebaseerde netwerken die 1D holografische modellen generaliseren om exotische fasekenmerken te onthullen door middel van willekeurige oppervlakteschaling.

Olai B. Mykland, Zhao Zhang2026-08-25
🔬 condensed matter

Learning to erase quantum states: thermodynamic implications of quantum learning theory

Dit artikel legt een concreet verband tussen kwantumleertheorie en thermodynamica door aan te tonen dat efficiënte leeralgoritmen de kennis kunnen verwerven die nodig is om onbekende kwantumtoestanden tegen optimale energiekosten te wissen, waardoor de thermodynamische efficiëntie aan staatcomplexiteit wordt gekoppeld terwijl fundamentele computationele limieten onder cryptografische aannames worden onthuld.

Haimeng Zhao, Yuzhen Zhang, John Preskill2026-08-25
🌀 nonlinear sciences

Higher-Order Kuramoto Oscillator Network for Dense Associative Memory

Dit artikel introduceert een gegeneraliseerd Hebbiaans Kuramoto-model dat echte vier-lichaam fase-interacties incorporeert om een dichte associatieve geheugen te creëren, waarbij wordt aangetoond dat dergelijke hogere-orde koppeling discontinue, hysteretische transities en exponentieel lange geheugensretentietijden induceert in vergelijking met klassieke paar-modellen.

Jona Nagerl, Natalia G. Berloff2026-08-25
🌀 nonlinear sciences

Evolution of cooperation with Q-learning: how much information do we need?

Door Q-learning toe te passen op gestructureerde populaties, onthult deze studie dat samenwerkingsniveaus een omgekeerd U-vormige relatie vertonen met de beschikbaarheid van informatie, wat aantoont dat een matige hoeveelheid informatie — in plaats van meer — optimaal is voor het bevorderen van samenwerking door een evenwicht te vinden tussen besluitvormingsvoldoende en hanteerbaarheid.

Yile Ku, Xin Ou, Jiqiang Zhang, Shengfeng Deng, Huiji Yue, Li Chen2026-08-25