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.

Beyond dynamic scaling: rare events break universality

O estudo demonstra que a deposição de "blobs" com distribuição de tamanho em lei de potência quebra a universalidade de escala dinâmica padrão ao introduzir uma segunda escala de comprimento relevante, fazendo com que os expoentes críticos variem continuamente e o comportamento de Kardar-Parisi-Zhang só seja recuperado para índices de distribuição superiores a 3.

Ulysse Marquis, Riccardo Gallotti, Marc Barthelemy2026-04-03🔬 cond-mat

Universal features of nonequilibrium Ising models in contact with two thermal reservoirs

O artigo investiga as transições de fase em modelos de Ising fora do equilíbrio em contato com dois reservatórios térmicos, demonstrando que a simetria ou antissimetria dos parâmetros externos determina a presença ou ausência de pontos tricríticos e que, sob troca rápida entre os reservatórios, a distribuição de probabilidade assume uma forma análoga à de Boltzmann-Gibbs.

Iago N. Mamede, Bart Cleuren, Carlos. E. Fiore2026-04-03🔬 cond-mat

How to measure the optimality of word or gesture order with respect to the principle of swap distance minimization

Este artigo apresenta uma nova estrutura matemática para medir a otimidade da ordem de palavras e gestos com base na minimização da distância de troca, demonstrando que os gestos interculturais atingem pelo menos 77% de otimidade e propondo o problema de atribuição quadrática como um princípio unificador para diversas regras linguísticas.

Ramon Ferrer-i-Cancho2026-04-03🔬 physics

Hydrodynamic Backflow for Easing the Fermion Sign in Finite-Temperature Electron Path Integral Simulations

Este artigo apresenta o uso de uma transformação de coordenadas de backflow hidrodinâmico, otimizada por meio de uma abordagem semi-analítica baseada em observáveis bosônicos, para mitigar drasticamente o problema do sinal de férmions em simulações de integral de caminho de elétrons a temperaturas finitas, permitindo o cálculo preciso de energias e capacitâncias quânticas em sistemas anteriormente inacessíveis.

Ingvars Vitenburgs, Jarvist Moore Frost2026-04-03🔬 cond-mat

Hyperscaling of spatial fluctuations constrains the development of urban populations

Utilizando mapas populacionais de alta resolução de 477 áreas urbanas, o estudo revela que uma relação de hipescala robusta, porém não universal, entre os expoentes de média e variância das flutuações espaciais reflete correlações fortes na organização urbana e aponta para uma evolução temporal das cidades maduras em direção a um comportamento monofractal assintótico.

Wout Merbis, Fernando A. N. Santos, Jay Armas, Frank Pijpers, Mike Lees2026-04-03🌀 nlin

Resetting optimized competitive first-passage outcomes in non-Markovian systems

Este artigo investiga como o retorno estocástico (resetting) atua como um mecanismo de controle eficaz para otimizar resultados de primeira passagem competitivos em sistemas não-Markovianos, demonstrando que sua eficiência e capacidade de supressão de flutuações dependem criticamente das estatísticas de tempo de espera e dos efeitos de memória inerentes a tais sistemas.

Suvam Pal, Rahul Das, Arnab Pal2026-04-03🔬 cond-mat

Gradient estimators for parameter inference in discrete stochastic kinetic models

Este artigo demonstra que a inferência de parâmetros em modelos cinéticos estocásticos discretos, como o algoritmo de Gillespie, pode ser efetivamente realizada utilizando estimadores de gradiente de aprendizado de máquina (GS-ST, Score Function e Alternative Path), que oferecem vantagens complementares para lidar com a não diferenciabilidade inerente a esses sistemas.

Ludwig Burger, Annalena Kofler, Lukas Heinrich, Ulrich Gerland2026-04-03🔬 physics