🔢 mathematics
Overdamped limits for Langevin dynamics with position-dependent coefficients via -hypocoercivity
本文利用-超 coercivity 方法，对具有位置依赖系数的动能朗之万动力学过阻尼极限提出了一种新颖的推导，该方法阐明了噪声诱导漂移的起源，推广至计算化学中相关的粗粒化与变质量模型，并纠正了相关文献中的一处错误。
🔬 Category
cond-mat.stat-mech
2392 篇论文
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。
🔬 condensed matter
Landau free energy and the absence of spontaneous magnetization of the one-dimensional Ising model
本文利用朗道自由能和态密度重新考察一维伊辛模型，通过证明自由能是磁化强度的增函数且在零点处具有正的非解析二阶导数，严格证明了在任何有限温度下均不存在自发磁化。
🔬 condensed matter
Emergence of Tsallis Statistics from a Self-Referential Nonlinear Operator: A Variational Framework
本文通过证明基于自指非线性算子的变分框架在平均场极限下自然导出非广延统计力学中的 Tsallis 统计，且熵指数 直接源于该算子的结构指数而非被假设，从而为非广延统计力学奠定了算子理论基础。
🔬 condensed matter
Bootstrapping ground state properties of classical frustrated magnets
本文介绍了一种严格的半定规划方法，该方法通过调整拉斯耶尔层级，为平移不变的经典阻挫磁体的基态能量密度和相关函数生成收敛的双侧界限，通过高效处理非二次哈密顿量和非布拉维晶格，克服了先前解析技术的局限性。
🔢 mathematics
Volume-Independent Spectral Stability of Energy-Truncated Effective Hamiltonians in Quantum Spin Systems
本文针对有界有限程量子自旋系统中的能量截断有效哈密顿量建立了一个体积一致谱稳定性定理，证明低能谱子空间在有限体积和无限体积下均保持具有指数小误差的稳定性，从而将先前的有限体积结果推广至热力学极限。
🔬 condensed matter
Nonreciprocal McKean-Vlasov Equations: From Stationary Instabilities to Travelling Waves
本文证明，在双物种麦基恩-弗拉索夫系统中，空间调制的非互易相互作用驱动了导致自组织行波和振荡态的霍普夫分岔，从而建立了一个在粒子层面持续存在的非平衡集体动力学的最小框架。
🔢 mathematics
Hydrodynamics and boundary-induced phase transitions in the -species particle-exchange process
本文研究了 物种粒子交换过程的流体动力学行为，导出了其耦合无粘 Burgers 方程的显式解，并刻画了开放系统的稳态相图，该相图呈现出 个边界诱导相，与单物种非对称简单排除过程的情形类似。
⚛️ quantum physics
Universal Symmetry-Breaking Dynamics at Continuous Phase Transitions: Evidence for a New Dynamical Critical Exponent
本文在对称性破缺淬火后的伊辛模型中识别出一种新的普适非平衡动力学形式，其特点是一个此前未知的动力学临界指数和一个较低的有效临界维度，该维度区分了高维系统与低维系统中可观测的标度行为。
🔢 mathematics
Multiscale Structure of Eigenstate Thermalization
本文通过证明宏观系统中矩阵元的统计特性不仅取决于宏观态参数，还取决于采样系综的涨落尺度，从而揭示了本征态热化假说中的多尺度结构，并导致非解析的、尺度依赖的代数指数。
🔬 condensed matter
Dreaming up scale invariance via inverse renormalization group
本文证明，参数少至三个的最小化神经网络能够以概率方式逆转重整化群过程，生成二维伊辛模型的尺度不变临界构型，在无需复杂架构的情况下捕捉关键的普适性及重整化群本征值。