A área de Mecânica Estatística na Física da Matéria Condensada explora como o comportamento coletivo de milhões de partículas gera propriedades macroscópicas que vemos no dia a dia, como a condutividade elétrica ou a formação de cristais. Em vez de analisar cada átomo individualmente, os cientistas utilizam métodos estatísticos para entender padrões complexos e previsíveis que surgem dessas interações em escala gigantesca.

No Gist.Science, selecionamos e processamos automaticamente cada novo pré-impresso enviado ao arXiv nesta categoria específica. Nosso objetivo é tornar esses estudos avançados acessíveis a todos, oferecendo tanto resumos técnicos detalhados para especialistas quanto explicações em linguagem simples para quem busca compreender os conceitos fundamentais sem barreiras linguísticas.

Abaixo, você encontra a lista atualizada dos últimos artigos publicados nesta interseção fascinante da física, prontos para serem lidos e compreendidos.

General perturbative framework for kinetics of rare transitions in 1-dimensional active particle systems

Este artigo apresenta um quadro teórico perturbativo que deriva uma expressão analítica unificada para as taxas de transições raras em sistemas de partículas ativas unidimensionais, válida em todos os regimes de tempo de persistência e demonstrando excelente concordância com simulações numéricas.

Vito Seinen, Peter G. Bolhuis, Daan Crommelin, Sara Jabbari Farouji, Michel Mandjes2026-04-20🔬 cond-mat

On the role of the slowest observable in one-dimensional Markov processes to construct quasi-exactly-solvable generators with N=2N=2 explicit levels

O artigo demonstra que a perspectiva de processos de Markov unidimensionais, ao tomar a observável mais lenta como objeto central, oferece uma abordagem mais intuitiva e tecnicamente simples para a construção de geradores quase-exatamente-solúveis com dois níveis explícitos, aplicável tanto a geradores de Fokker-Planck no espaço contínuo quanto a geradores de saltos em rede.

Cecile Monthus2026-04-20🔬 cond-mat

Discovering quantum phenomena with Interpretable Machine Learning

Este artigo apresenta um quadro geral de aprendizado de máquina interpretável que, ao combinar autoencoders variacionais com métodos simbólicos, descobre automaticamente parâmetros de ordem e fenômenos físicos inéditos em diversos conjuntos de dados quânticos experimentais e simulados, disponibilizando suas ferramentas através da biblioteca de código aberto qdisc.

Paulin de Schoulepnikoff, Hendrik Poulsen Nautrup, Hans J. Briegel, Gorka Muñoz-Gil2026-04-20⚛️ quant-ph