4119 Arbeiten
Die Welt der kondensierten Materie und Materialwissenschaften untersucht, wie sich Atome zu neuen Materialien verbinden und welche faszinierenden Eigenschaften daraus entstehen. Von Supraleitern, die Strom ohne Verlust leiten, bis hin zu weichen Materialien, die unser tägliches Leben verändern, reicht das Spektrum dieser Forschung. Gist.Science macht die neuesten Erkenntnisse aus diesen Feldern für alle zugänglich, indem wir die komplexen Preprints von arXiv sorgfältig durchgehen.
Für jede neue Veröffentlichung in dieser Kategorie erstellen wir sowohl eine leicht verständliche Zusammenfassung als auch eine detaillierte technische Analyse. So können Sie schnell den Kern der Forschung erfassen oder tief in die mathematischen und physikalischen Details eintauchen, je nach Ihrem Interesse. Unser Ziel ist es, die Sprachbarriere zwischen Fachleuten und der breiten Öffentlichkeit zu überwinden.
Nachfolgend finden Sie die aktuellsten Beiträge aus dem Bereich kondensierte Materie und Materialwissenschaften, die wir gerade für Sie aufbereitet haben.
Diese Studie demonstriert die Spin-Injektion und -Erhaltung bei Raumtemperatur in Exzitonen-Polaritonen innerhalb eines monolithischen Tamm-Plasmon-Mikroresonators, der 2D-Halogenid-Perowskite einbettet, wobei der schnelle Polariton-Zerfall den Spin-Relaxationsmechanismen übertrifft, um potenzielle Anwendungen in chiralen Lasern und Schaltern zu ermöglichen.
Diese Studie zeigt, dass die Identifizierung von Einzelphotonenemittern in hexagonalem Bornitrid mittels atomar auflösender ADF-STEM fundamental durch die Probendicke (über ~17 Schichten) begrenzt und anfällig für Fehlidentifikationen aufgrund restlicher dreizähliger Astigmatismus ist, was die Technik für die dickeren Flocken, die typischerweise in der photonischen Forschung verwendet werden, unzuverlässig macht.
Diese Studie zeigt, dass die Einführung von Wadsley-Defekten und Übergangsmetall-Unordnung in MoNb12O33-Anoden die Lithium-Diffusionskinetik und die Hochratenkapazität signifikant verbessert, indem schnelle Diffusionspfade bei niedrigeren Lithiierungsgraden aktiviert werden, wie durch eine Kombination aus experimenteller Charakterisierung und maschinellem Lernen basierter Molekulardynamik-Simulationen bestätigt wurde.
Diese Studie zeigt auf, dass Molybdänkarbid-Nanosheets (MoC) aufgrund eingeschränkter Phononenzerfallspfade, die durch den großen Massenunterschied zwischen Mo- und C-Atomen verursacht werden, signifikant längere Ladungsträgerlebensdauern als andere Übergangsmetallcarbide aufweisen und somit eine vielversprechende Strategie zur Steigerung der Leistungsfähigkeit von photothermischen und photovoltaischen Bauteilen durch effiziente Nutzung heißer Ladungsträger bieten.
Diese Studie nutzt ein kinetisches Monte-Carlo-Modell, um zu zeigen, dass während eine Erhöhung des Chromgehalts in FeCrAl-Legierungen die Vakanzendiffusion – insbesondere in strahlungsinduzierten chromreichen Phasen – unterdrückt, ein höherer Eisengehalt die Vakanzenmobilität erhöht, was potenziell die Strahlungstoleranz durch die Förderung der Defektannihilation verbessert.
Diese Arbeit untersucht, wie ein nicht-lokaler Chern-Simons-Topologieterm in der Maxwell-Chern-Simons-Pseudoelektrodynamik eine dynamische Masse und eine Energielücke für elektromagnetische Wellen erzeugt, was eine neuartige Hybridisierung zwischen transversalen elektrischen und magnetischen Oberflächenplasmon-Polariton-Moden induziert, die in der konventionellen planaren Plasmonik nicht vorhanden ist.
Diese Arbeit zeigt, dass die leverage-gesteuerte, label-freie Subset-Selektion von ASSYST-Strukturpools den für das Training präziser linearer Atomic Cluster Expansion-Potentiale erforderlichen DFT-Labeling-Aufwand signifikant reduzieren kann (um das 2- bis 3-fache), während gleichzeitig im Vergleich zu Random- und anderen Baseline-Sampling-Strategien eine konkurrenzfähige Energie-, Kraft- und Defekt-Fidelität beibehalten wird.
Dieses Paper plädiert für eine erneute Konzentration auf präzise Messungen der ionischen Diffusivität in der Batteriematerialentwicklung und hebt hervor, dass aktuelle Praktiken oft die angemessene Bewertung der Längenskalen vernachlässigen und dass die Leistung auf Zellenebene von intrinsischen Diffusivitätswerten abweichen kann, was die Etablierung strenger Best Practices erforderlich macht, um aussagekräftige Struktur-Eigenschafts-Beziehungen zu begründen.
Dieses Paper präsentiert GQD-AdsNet, ein auf Dichtefunktionaltheorie-Daten trainiertes Graph Neural Network Framework, das Übergangsmetall-Adsorptionsenergien auf Graphen-Quantenpunkten schnell und präzise vorhersagt und dadurch die Rechenkosten um sechs Größenordnungen reduziert, um ein effizientes Screening von Katalysatoren zu ermöglichen.
Diese Studie etabliert eine datengesteuerte Strategie für das Engineering von abstimmbarer negativer thermischer Ausdehnung in metall-organischen Gerüstverbindungen durch die Nutzung eines durch maschinelles Lernen beschleunigten Workflows zur Untersuchung von über 12.000 Strukturen, wobei entscheidende strukturelle Motive für starke NTE identifiziert wurden, die anschließend experimentell mit einer Rekordleistung in Ce-UiO-66-Varianten validiert wurden.