🔬 Category

cond-mat.mtrl-sci

2630 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.

Machine-Learning-Guided Insights into Solid-Electrolyte Interphase Conductivity: Are Amorphous Lithium Fluorophosphates the Key?

Diese Studie nutzt maschinelles Lernen und diffusionsbasierte Strukturvorhersage, um aufzuzeigen, dass amorphes Lithiumdifluorphosphat (\ceLiPO2F2\ce{LiPO2F2}), eine Schlüsselkomponente der festen Elektrolytzwischenphase, aufgrund von struktureller Unordnung und einem Übermaß an interstitiellen Defekten eine hohe Ionenleitfähigkeit aufweist, was darauf hindeutet, dass amorphe Mischanionenphasen die primären Schnellionenpfade in Lithium-Ionen-Batterien sind.

Peichen Zhong, Kristin A. Persson2026-06-09🔬 cond-mat.mtrl-sci

Data-model Coevolution as the Architectural Principle for AI-Native Materials Databases

Dieses Paper schlägt „Data-Model Coevolution“ als ein grundlegendes Architekturprinzip für KI-native Materialdatenbanken vor und validiert dieses anhand eines Li-P-S-ternären Prototyps, indem es demonstriert, dass endogene Generierungs-, Evaluations- und Verfeinerungszyklen autonom neuartige stabile Phasen entdecken und eine hochpräzise prädiktive Modellierung bei minimalem First-Principles-Aufwand erreichen können.

Fengyu Xie, Ruoyu Wang, Taoyuze Lv, Yuxiang Gao, Hongyu Wu, Zhicheng Zhong2026-06-09🔬 cond-mat.mtrl-sci

A Constraint-Modulated Viscosity Law for Broad-Window Glass-Forming Systems

Diese Arbeit schlägt ein neues „Constraint-Modulated Viscosity Law“ vor, das auf der Prämisse der „Continuous Present Actualization“ basiert und Standardmodelle wie VFT und MYEGA bei der Anpassung an breitfenstrige glasbildende Systeme übertrifft, indem es die kontinuierliche Verengung des konfigurativen Zugangs während der Abkühlung der Flüssigkeiten berücksichtigt.

Debra S. Gavant, Christian E. Precker2026-06-09🔬 cond-mat.mtrl-sci

Momentum-Resolved Electronic Structure and Orbital Hybridization in the Layered Antiferromagnet CrPS4_4

Diese Studie kombiniert impulsaufgelöste Photoemissionsspektroskopie und DFT+U-Berechnungen, um die elektronische Bandstruktur des geschichteten Antiferromagneten CrPS4_4 experimentell zu charakterisieren, wobei eine Ligand-zu-Metall-Ladungstransferlücke sowie distinkte Orbitalhybridisierungsmuster aufgedeckt werden, welche dessen magnetische und optische Eigenschaften bestimmen.

Lasse Sternemann, David Maximilian Janas, Eshan Banerjee, Richard Leven, Jonah Elias Nitschke, Marco Marino, Leon Becker, Ahmet Can Ademoğlu, Frithjof Anders, Stefan Tappertzhofen, Mirko Cinchetti2026-06-09🔬 cond-mat.mtrl-sci

A large-scale nanocrystal database with aligned synthesis and properties enabling generative inverse design

Dieses Paper führt eine groß angelegte, ausgerichtete Nanokristall-Synthese-Eigenschafts-Datenbank ein, die unter Verwendung des LLM-gestützten NanoExtractor-Tools erstellt wurde, was das generative inverse Design lebensfähiger Nanokristall-Synthesewege durch das NanoDesigner-Modell ermöglicht, welches erfolgreich durch die experimentelle Bestätigung sowohl etablierter als auch neuartiger Nanokristall-Formulierungen validiert wurde.

Kai Gu, Yingping Liang, Senliang Peng, Aotian Guo, Haizheng Zhong, Ying Fu2026-06-09🔬 cond-mat.mtrl-sci

Enhancing Spatial Reasoning in Large Language Models for Metal-Organic Frameworks Structure Prediction

Das Paper stellt MOF-LLM vor, ein neuartiges Framework, das die räumlichen Denkfähigkeiten eines Qwen-3 8B Sprachmodells durch räumlich bewusste kontinuierliche Pre-Training, Supervised Fine-Tuning und Reinforcement Learning verbessert, um eine hocheffiziente 3D-Strukturvorhersage auf Blockebene für metallorganische Gerüstverbindungen auf dem Stand der Technik zu erreichen.

Mianzhi Pan, JianFei Li, Peishuo Liu, Botian Wang, Yawen Ouyang, Yiming Rong, Hao Zhou, Jianbing Zhang2026-06-09🔬 cond-mat.mtrl-sci

MatMind: A Structure-Activity Knowledge-Driven Generative Foundation Model for Materials Science

MatMind ist ein vereinheitlichtes generatives Fundamentmodell für die Kristallmaterialwissenschaft, das struktur-aktivitätsbezogenes Wissen und physikbasierte Rückkopplung integriert, um spezialisierte, eng gefasste Architekturen sowohl bei der Eigenschaftsvorhersage als auch bei Kristallgenerierungsaufgaben zu übertreffen.

Zhan'ao Yao, Boxuan Zhang, Jingyuan Shu, Xiaoyu Wu, Rongyan Wang, Linjing Li, Dajun Zeng, Yudong Yao, Tingwei Chen, Youwei Wang, Xiaolin Zhao, Jiahui Shi, Jianjun Liu2026-06-09🔬 cond-mat.mtrl-sci

An ultra-wide-bandgap semiconductor photodetector for linear measurement of bright sub-bandgap light

Diese Arbeit zeigt auf, dass Sub-Bandlücken-AlN-Photodetektoren, die durch spezifische Dotierungsdesigns und Kontaktstrukturen zur Erzeugung einer engen Raumladungsregion entwickelt wurden, durch die Nutzung eines tiefen defektvermittelten Photoeffekts eine nicht-sättigende, lineare Reaktion auf extrem helles blaues Licht und erhöhte Temperaturen erreichen und dadurch eine zuverlässige Sensorik in extremen industriellen und luftfahrttechnischen Umgebungen ermöglichen.

Jiahao Dong, Zhenjing Liu, Rafael Jaramillo2026-06-09🔬 physics.optics

Agentic multi-fidelity learning of quasiparticle and excitonic properties

Dieses Paper führt ein agentengesteuertes Multi-Fidelity-Lernframework ein, das einen strukturellen Agenten zur Diagnose numerischer Instabilitäten in GW-Bethe-Salpeter-Berechnungen einsetzt und maschinelle Lernkorrekturen anwendet, um quasipartikelartige und exzitonische Eigenschaften in verspannten MoS2-WS2-Bilagen präzise vorherzusagen, wobei demonstriert wird, dass die explizite Erkennung numerischer Fragilität essenziell für eine zuverlässige Ersatzmodellierung angeregter Zustände in Materialien ist.

Arnab Neogi, Aaron Forde, Christopher A. Lane, Sergei Tretiak, Jian-Xin Zhu2026-06-09🔬 cond-mat.mtrl-sci

Phase Formation and Thermal Stability of Superconducting Platinum Silicide Thin Films on Silicon

Diese Studie zeigt auf, dass phasenreine, supraleitende Platin-Silizid-Dünnschichten (PtSi) mit stabilen Mikrostrukturen und konsistenten Eigenschaften durch thermische Prozessierung bei 600 °C schnell auf Silizium gebildet werden können, was ein robustes Fertigungsfenster für CMOS-kompatible Quantenbauelemente etabliert, während gleichzeitig die Grenzflächenrauheit als eine intrinsische Folge der Phasenumwandlung und nicht als thermische Degradation identifiziert wird.

Tharanga R. Nanayakkara, Ananya Chattaraj, Mingzhao Liu, Charles T. Black2026-06-09🔬 cond-mat