cond-mat.stat-mech 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。

本文推测并数值验证了各种正则二部格点上二聚体气体的迈耶级数系数遵循特定的渐近指数形式，同时还探讨了其与重整化群理论、伊辛模型磁化率以及配分函数和素数函数性质之间的联系。

本文提出了关于精确张量网络表示与关联函数的解析结果，针对首批展示出在面积律与广延纠缠熵之间存在量子相变的二维基态，并利用将一维全息模型推广至三维镶嵌网络的手段，通过随机表面标度揭示了奇异相特征。

本文通过证明高效的学习算法能够获取以最优能量代价擦除未知量子状态所需的知识，从而在量子学习理论与热力学之间建立了具体的联系，将热力学效率与状态复杂度相联系，并揭示了在密码学假设下的基本计算极限。

本文引入了一种结合了真实四体相位相互作用的广义赫布库拉莫托模型，以构建一种稠密联想记忆，并证明了这种高阶耦合与经典的二体模型相比，会诱导不连续的、具有滞后性的转变以及指数级增长的记忆保持时间。

本文应用随机重置理论来分析合成-降解过程的一阶通过性质，揭示了即使在存在粒子降解的情况下，通过调节合成速率也能实现最优反应时间和搜索效率。

本文提出了一种用于量子统计力学中维格纳-柯克伍德（Wigner-Kirkwood）对对易函数的递归生成幂级数，该级数成功重现了 65 K 以上温度下氦气的第二维里系数，并暗示了其在通用量子蒙特卡洛算法中的潜在应用。

本文展示了一种功能性的连续微流控分选器件，该器件利用运动差异和弯曲限制几何结构，实现了二元活性颗粒混合物的自主集体解混，并通过模拟以及针对昆克转子（Quincke rollers）的实验进行了验证。

通过将 Q 学习应用于结构化群体，本研究揭示了合作水平与信息可用性之间呈倒 U 型关系，表明适度的信息量——而非更多信息——通过平衡决策充分性与可处理性，是促进合作的最佳选择。

本文通过数值方法研究了在玻尔兹曼H定理中，当一个状态的概率被强加于所有其他状态时，由特定随机演化过程产生的选定状态分布，旨在探讨其对热力学系统和非热力学系统平衡涨落的影响。

本文推导出了朱林定律的一种活性形式，证明了在活性流体中，驱动毛细上升的是自发粒子电流而非仅由表面张力驱动，从而导致了违背平衡态预测的形状依赖现象。