基于统计物理原理的模型可以通过不同语言使用者之间的接触来提供有用的见解，以了解语言如何变化。特别是，分析揭示了随着时间的推移，不寻常的语言形式更有可能被更常规的语言形式所取代。

历史语言学领域探索语言如何随时间变化，特别关注单词和句子中声音、含义和结构的演变。然而，到目前为止，它还没有从统计物理学的角度得到广泛的研究 - 统计物理学使用数学模型来解释复杂，不断发展的系统中的模式和行为。

通过EPJ B中描述的一系列模型，巴黎萨克雷大学的Jean-Marc Luck与牛津克拉伦登研究所的Anita Mehta一起，使用统计物理学来展示既定语法规则的例外如何与邻近语言的影响相关联。

根据语言学家的说法，语言基本上以两种不同的方式演变：要么通过修改它们在更古老语言中的根源，要么通过说话者之间的接触借用其他现代语言的各个方面。在他们的研究中，Luck和Mehta借鉴了统计物理学的原理，开发了一系列数学模型，使他们能够更仔细地研究单词结构的演变 - 特别强调控制动词变位的规则。

通过“静态”模型，两人表达了语言语法结构的规则和例外的相对数量;而在他们的“动态”模型中，他们专注于这些规则的例外情况的出现。

Luck和Mehta的分析表明，这些变化的幸存者不太可能成为逆境的赢家：当邻近语言的影响超过其“规范化”趋势时出现 - 随着时间的推移，不规则的语言模式被更规则的语言模式所取代。

例如，在英语中，添加到动词末尾的过去分词(如“-ed”)往往优先于更不寻常的语言形式，例如“卡住”或“struck”中的“-uck”。这些见解可以帮助语言学家更好地了解语言是如何演变的，甚至确定现代语言在未来更有可能发生变化的方面。