2891 Arbeiten
In der Kategorie Mes-Hall untersucht Gist.Science, wie sich Materie in komplexen, oft ungeordneten Umgebungen verhält. Dieser Bereich verbindet klassische Festkörperphysik mit statistischen Methoden, um Phänomene wie Spin-Gläser oder ungeordnete Netzwerke zu verstehen, ohne dabei in unnötiges Fachchinesisch zu verfallen. Es geht darum, die Ordnung im Chaos zu erkennen und zu erklären, wie sich mikroskopische Wechselwirkungen zu makroskopischen Eigenschaften zusammensetzen.
Jede neue Studie, die Forscher auf arXiv in diesem Feld veröffentlichen, wird von uns sofort bearbeitet. Wir bieten für jeden Preprint sowohl eine verständliche Zusammenfassung für ein breites Publikum als auch eine detaillierte technische Analyse, damit Sie die neuesten Durchbrüche direkt und fundiert nachvollziehen können.
Im Folgenden finden Sie die aktuellsten Arbeiten aus diesem spannenden Forschungsgebiet, sortiert nach ihrem Erscheinungsdatum.
Die Studie schlägt vor, die mikrowelleninduzierte Sichtbarkeit als robustes, auf der Nichtlokalität basierendes Kriterium zu nutzen, um Majorana-Bound-States von zufälligen nullenergetischen Andreev-Zuständen in hybriden Nanodrahtsystemen zu unterscheiden.
Die Studie berechnet die elektronischen und Emissionseigenschaften Coulomb-korrelierter Vielteilchenzustände in schwach einschränkenden GaAs-Quantenpunkten mittels eines 8-Band-k·p-Modells mit Konfigurationswechselwirkung und zeigt, dass eine über den Dipolansatz hinausgehende Behandlung der Strahlungslebensdauern quantitative Übereinstimmung mit experimentellen Werten liefert.
Die Studie entwickelt eine symmetriebasierte Multipol-Theorie für nichtzentrosymmetrische Kristalle mit Zeitumkehrsymmetrie, die zeigt, dass multipolare Spin-Bahn-Kopplung bei schweren Elementen die Fermiflächen und die Topologie der Bloch-Zustände qualitativ verändert und zu anisotropen, bandabhängigen Gesamtimpuls-Texturen sowie zu nicht-monotonen Edelstein-Effekten führt.
Die Autoren sagen theoretisch voraus, dass die Dzyaloshinskii-Moriya-Wechselwirkung in kollinearen Antiferromagneten eine magnonische Gleichgewichts-Spinströmung induzieren kann, die als Analogon zum Suprastrom in Supraleitern dient und durch ein vorgeschlagenes Interferenzexperiment in einer Ringgeometrie nachweisbar sein könnte.
Die Studie zeigt, dass glatte räumliche Variationen der Néel-Ordnung in altermagnetischen Systemen als emergente Eichfelder wirken und starke, einstellbare Anisotropien im elektrischen Transport sowie im linearen Dichroismus erzeugen, wodurch polarisationsaufgelöste optische Messungen und anisotroper Transport als direkte Nachweismethoden für spin-texturierte Zustände dienen.
Basierend auf neuen Experimenten an verdrilltem MoTe zeigt diese Arbeit, dass die Randzustände eines fraktionalen topologischen Isolators bei durch Unordnung und Wechselwirkungen lokalisiert werden können, was zu unterschiedlichen Leitfähigkeitswerten führt und beweist, dass Zweiterminal-Transportmessungen allein nicht ausreichen, um diese Phase eindeutig zu identifizieren.
Die Studie zeigt, dass unter optischer Photo-Dotierung in EuCdAs ein nichtgleichgewichtsregime entsteht, in dem ein Bulk-Plasmon korrelierte, langlebige Mahan-Exzitonen durch Energieübertragung von einem Bulk-Band in unbesetzte Oberflächenzustände stabilisiert, anstatt lediglich als Dissipationskanal zu wirken.
Die Arbeit stellt ein einheitliches geometrisches Rahmenwerk vor, das mithilfe eines verallgemeinerten zeitabhängigen Quantenmetrik-Tensors optische, thermoelektrische und thermische Transportphänomene in sauberen Bandisolatoren beschreibt und dabei Summenregeln sowie geometrische Obergrenzen für diese Transportkoeffizienten herleitet.
Der Artikel klärt den scheinbaren Widerspruch zwischen dem Kubo-Formalismus und der Energieerhaltung in Hamilton-Systemen auf, indem er zeigt, dass die Geometrie des Verzerrungsraums Kontaktterme einführt, die die Vorhersage ungerader elastischer Moduln korrigieren.
Die Arbeit stellt ein statistisches Defektmodell für magnetische Materialien vor, das auf der Landau-Lifshitz-Dynamik basiert und durch Deep-Learning-Methoden wie physik-informierte neuronale Netze und zweigige CNNs genutzt wird, um physikalische Eigenschaften wie Dispersionsrelationen und Domänenwandbreiten in Abhängigkeit von Defektparametern vorherzusagen.