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.

Colloidal Suspensions can have Non-Zero Angles of Repose below the Minimal Value for Athermal Frictionless Particles

Este estudo demonstra que suspensões coloidais densas podem exibir um ângulo de repouso não nulo, mas inferior ao valor mínimo esperado para materiais granulares athermicos sem atrito, devido a uma dinâmica de arresto que surge da competição entre a agitação térmica e a gravidade, conforme quantificado pelo número de Péclet gravitacional.

Jesús Fernández, Loïc Vanel, Antoine Bérut2026-04-15🔬 cond-mat

Emergent Hawking Radiation and Quantum Sensing in a Quenched Chiral Spin Chain

Este artigo investiga a detecção de radiação de Hawking emergente em uma cadeia de spins quirais submetida a um quench quântico, demonstrando que, embora o espectro de radiação apresente desvios do perfil Planckiano devido a fatores cinzentos, um detector de qubit acoplado pode medir com fidelidade a temperatura de Hawking apenas no regime de acoplamento fraco, fornecendo assim um protocolo operacional para distinguir esse fenômeno analógico do ruído ambiental.

Nitesh Jaiswal, S. Shankaranarayanan2026-04-15⚛️ hep-th

Physics and causally constrained discrete-time neural models of turbulent dynamical systems

Os autores apresentam um framework para construir modelos de redes neurais de sistemas dinâmicos turbulentos, que incorpora restrições físicas e causais para garantir a preservação de energia e suprimir interações espúrias, permitindo a modelagem precisa de estatísticas estacionárias e respostas a forçamentos externos a partir de dados observacionais.

Fabrizio Falasca, Laure Zanna2026-04-15🌀 nlin

Distinct mechanisms underlying in-context learning in transformers

Este artigo caracteriza mecanicamente a aprendizagem em contexto em transformers treinados em cadeias de Markov, revelando que elas desenvolvem subcircuitos distintos que operam em quatro fases algorítmicas, transicionando entre memorização e generalização baseada em estatísticas de 1 ou 2 pontos, conforme ditado por competição cinética e gargalos representacionais.

Cole Gibson, Wenping Cui, Gautam Reddy2026-04-15🤖 cs.LG