2064 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 artigo desenvolve uma teoria hidrodinâmica estruturada por idade para descrever o comportamento coletivo de um grande número de partículas com difusão anômala sujeitas a reinicialização estocástica, determinando as densidades em estado estacionário para diferentes protocolos de reinicialização que geram correlações globais, incluindo casos com suporte compacto.
Este artigo propõe um método simples e preciso para estimar a fração de empacotamento aleatório denso (RCP) de misturas binárias de discos rígidos, demonstrando que essa fração depende quase linearmente de um parâmetro baseado no terceiro coeficiente virial reduzido, o que permite previsões mais acuradas do que modelos anteriores e uma generalização natural para misturas polidispersas.
Este artigo apresenta uma análise de grupo de renormalização a seis laços do modelo , calculando os expoentes críticos tricríticos, as dimensões de operadores compostos e o parâmetro que define a taxa de decaimento necessária do acoplamento para observar o comportamento tricrítico, comparando os resultados com teorias de campo conformes e grupos de renormalização não perturbativos.
Este artigo estabelece um limite termodinâmico para a preservação de informação em sistemas com retornos decrescentes, demonstrando que a alocação ótima de recursos para manutenção está restrita a uma faixa de 30% a 50% e validando essa teoria através de dados biológicos e de redes.
O artigo propõe um novo quadro generativo fisicamente restrito que substitui o relaxamento temporal por uma projeção espacial baseada em kernel para sintetizar eficientemente configurações críticas de grande escala no modelo de Ising bidimensional, preservando a localidade do Hamiltoniano e as propriedades universais sem a necessidade de equilíbrio iterativo via Monte Carlo.
Este trabalho relata a descoberta de famílias de dois parâmetros de integrais de movimento na forma de operadores de produto matricial (MPO) que comutam com o Hamiltoniano de cadeias de spin de Heisenberg para várias anisotropias, descrevendo também uma abordagem algébrica simbólica para sua obtenção e generalizações potenciais.
Este estudo investiga a interação entre o efeito de pele não-Hermitiano e o desordem quasiperiódica de Aubry-André-Harper em uma cadeia SSH, revelando um regime de competição inédito que exibe deslocalização reentrante, a destruição da topologia espectral e a supressão da entropia de emaranhamento, resultando em um diagrama de fase de cinco estágios distinto daquele observado em cadeias não-dimerizadas.
O estudo demonstra que, em circuitos aleatórios unidimensionais e dinâmicas de Lindblad sob ruído, os erros de truncamento de operadores de produto matricial (MPO) contraem exponencialmente com o tamanho do sistema e o tempo de evolução, sugerindo que algoritmos de simulação MPO podem amostrar eficientemente esses sistemas em profundidades arbitrárias ou em estados estacionários.
Este artigo apresenta uma estrutura semiclássica unificada para descrever o resfriamento evaporativo de gases atômicos presos, derivando expressões analíticas gerais que integram estatísticas clássicas e quânticas e fornecendo diretrizes quantitativas para otimizar trajetórias de resfriamento em diversas geometrias experimentais.
Este artigo apresenta um quadro unificado de aprendizado de máquina que combina potenciais interatômicos aprendidos por máquina com a teoria funcional da densidade clássica neural para modelar ab initio o comportamento de líquidos em múltiplas escalas, permitindo previsões termodinâmicas eficientes e precisas de sistemas como água e dióxido de carbono, inclusive sob confinamento e em condições supercríticas.