2004 artigos
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.
Este trabalho relaciona os termos das equações de Langevin multidimensionais com propriedades estatísticas de segunda e terceira ordens, abrangendo desde dinâmicas lineares gaussianas até processos subamortecidos e a detecção de não-Markovianidade.
Este estudo demonstra, por meio de simulações de Monte Carlo e uma teoria analítica aproximada, que um modelo de Ising ativo exibe uma transição de pinning induzida por motilidade, onde interfaces entre domínios locais em movimento ficam presas devido a um movimento ressonante de partículas, impedindo o estabelecimento de ordem polar em regimes específicos de interação e difusão.
Este estudo demonstra que, em sistemas quânticos caóticos com simetrias, estados iniciais fáceis de preparar evoluem para ensembles tardios estatisticamente indistinguíveis de estados aleatórios de Haar no limite termodinâmico, exceto para condições iniciais atípicas de baixa entropia que geram comportamentos não universais.
Este artigo propõe e analisa um mecanismo de transporte direcionado de moléculas por meio de polímeros híbridos ativos-passivos que, sob gradientes químicos, exibem deriva eficaz, permitindo a otimização da acumulação e motilidade através da disposição estratégica das unidades ativas.
Este estudo demonstra que um modelo quântico de ferromagneto de longo alcance exibe inequivalência de ensembles termodinâmicos em temperaturas finitas, revelando diagramas de fase distintos entre as abordagens microcanônica e canônica, o que contrasta com o comportamento de sistemas de curto alcance e possui implicações para plataformas quânticas sintéticas.
Este artigo demonstra que a não reciprocidade estabiliza o estado homogêneo de misturas multicomponentes desordenadas, derivando uma condição geral para a instabilidade espinodal usando teoria de matrizes aleatórias e validando-a através de simulações.
O artigo apresenta o método de decimação integral, um algoritmo inspirado na mecânica quântica que decompõe integrais multidimensionais em uma representação de tensor train espectral, reduzindo a complexidade computacional de exponencial para polinomial e permitindo a solução eficiente de problemas em dinâmica quântica e mecânica estatística onde métodos convencionais falham.
Este artigo apresenta uma análise multiescala do modelo de espelhos de Lorentz em uma lâmina infinita, demonstrando que a probabilidade de travessia escala como e propondo uma relação recursiva perturbativa para calcular a condutividade finita em três dimensões.
Este artigo investiga os efeitos Mpemba direto e inverso no protocolo Descartes, utilizando uma lei de resfriamento de Newton com atraso temporal para estabelecer condições exatas e aproximações compactas que caracterizam a relaxação térmica anômala e quantificam a magnitude máxima do efeito em função do tempo de atraso e do tempo de espera.
O artigo apresenta o SMT-AD, uma abordagem escalável e paralelizável de detecção de anomalias inspirada em redes tensoriais quânticas, que utiliza superposição de operadores de produto em matriz com dimensão de ligação 1 e incorporação de recursos assistida por Fourier para alcançar desempenho competitivo em conjuntos de dados padrão com um número linear de parâmetros aprendíveis.