统计力学是连接微观粒子运动与宏观物质性质的桥梁,它帮助我们理解为何冰会融化、为何磁铁能吸起回形针。在凝聚态物理领域,这一理论框架至关重要,它揭示了从超导材料到复杂流体等日常现象背后的深层规律。

Gist.Science 持续追踪来自 arXiv 的最新预印本,确保您能第一时间接触到这些前沿研究。我们对每一篇新发表的论文进行深度处理,不仅提供详尽的技术解析,更用通俗易懂的语言提炼核心发现,让复杂的物理概念变得触手可及。

以下是本领域最新收录的论文列表,邀请您一同探索物质世界的奇妙规律。

Open Quantum Dynamics Theory for Coulomb Potentials: Hierarchical Equations of Motion for Atomic Orbitals (AO-HEOM)

该论文基于保持旋转对称性的三维系统 - 浴模型,推导了用于处理库仑势系统热浴动力学的数值精确原子轨道层级运动方程(AO-HEOM),实现了对有限温度下非微扰和非马尔可夫系统 - 浴相互作用的非微扰处理,并通过计算原子系统的线性吸收谱验证了该理论框架的有效性。

Yankai Zhang, Yoshitaka Tanimura2026-03-18⚛️ quant-ph

Casimir versus Helmholtz forces in the Gaussian model: exact results for Dirichlet--Dirichlet, Neumann--Dirichlet, Neumann--Neumann, and periodic boundary conditions

该论文在三维高斯模型中推导了临界点附近狄利克雷、诺伊曼及周期性边界条件下的精确结果,对比了巨正则系综下的临界卡氏力与正则系综下的临界亥姆霍兹力,发现前两者在特定边界条件下表现不同(如卡氏力恒为吸引而亥姆霍兹力可正可负),而在周期性和诺伊曼 - 诺伊曼边界条件下两者则完全重合且恒为吸引。

Daniel Dantchev, Joseph Rudnick2026-03-18🔬 cond-mat

Machine learning for cerebral blood vessels' malformations

该研究利用稀疏非线性动力学识别(SINDy)方法从术中血流数据中实时重构线性振荡模型参数,并结合逻辑回归实现了对脑动脉瘤和动静脉畸形等血管病变的自动分类(准确率达 73%),为脑血管疾病的诊断与预后评估提供了一种可解释且鲁棒的机器学习框架。

Irem Topal, Alexander Cherevko, Yuri Bugay, Maxim Shishlenin, Jean Barbier, Deniz Eroglu, Édgar Roldán, Roman Belousov2026-03-17🧬 q-bio