2772 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 Arbeit untersucht die räumliche Verformung ferromagnetischer elastischer Stäbe unter kombinierten Zug- und Torsionslasten sowie longitudinalen Magnetfeldern, indem sie durch Hamilton'sche Analyse und Phasenportraits zeigt, dass weich-ferromagnetische Materialien im Vergleich zu rein elastischen oder hart-ferromagnetischen Stäben ein einzigartiges lokales Beulverhalten mit nicht-kollinearen, gestreckten Segmenten aufweisen.
In dieser Arbeit wird ein nicht-hermitescher elektrischer Schaltkreis-Experimentaufbau vorgestellt, der durch die gleichzeitige Erzeugung von Pseudo-Magnetfeldern, Pseudo-Elektrischen Feldern und imaginärem Impuls erstmals die gezielte Umformung und räumliche Lokalisierung hochordentlicher Landau-Moden ermöglicht.
Diese Arbeit stellt ein diskretes Zelluläres-Automaten-Modell und eine kontinuierliche PDE-Beschreibung vor, die gemeinsam zeigen, wie sich Schritt-Bündelung und Schritt-Meanderung trotz scheinbar widersprüchlicher Ursachen in einem einheitlichen Wachstumsprozess überlappende Oberflächenmuster bilden können.
Die Studie entwickelt ein auf neuronalen Netzen basierendes maschinelles Lernpotenzial für Ge-reiche GeSbTe-Legierungen, um mittels atomarer Simulationen die kinetisch gesteuerte Kristallisation mit Phasentrennung in metastabile Phasen unter Betriebsbedingungen von Phasenspeichern zu untersuchen.
Die Studie demonstriert, dass dünne (101)-orientierte RuO₂-Filme als Altermagnet-Kandidaten bei Raumtemperatur riesige dritte elektrische Transportantworten aufweisen, die auf quanten-geometrische Effekte zurückzuführen sind und als vielversprechendes Werkzeug zur Detektion des Néel-Vektors dienen.
Diese Arbeit stellt ein allgemeines analytisches Modell vor, das die Ausbreitung von Polaritonen in planaren Heterostrukturen mit einer beliebigen Anzahl gedrehter 3D-Dünnschichten und 2D-Leitfähigkeitsschichten beschreibt und damit eine theoretische Grundlage für das Feld der Twistoptik schafft.
Die Studie nutzt breitfeldige Stickstoff-Fehlstellen-Zentren-Magnetometrie, um nachzuweisen, dass chirale Molekülschichten auf ferromagnetischen CoFeB-Filmen die Größe, den Abstand und die Form von Skyrmionen enantioselektiv und in Abhängigkeit von der Magnetfeldpolarität modifizieren, was auf eine molekulare Kontrolle topologischer Spinstrukturen durch magneto-chirale Kopplung hindeutet.
Die Studie identifiziert das dreidimensionale Bor-Allotrop - als ideales, spinloses topologisches Halbmetall, in dem durch Symmetrien geschützte zweidimensionale Knotenflächen und diverse Typen von Weyl-Fermionen koexistieren und durch ihre räumliche Trennung im Impulsraum eindeutig unterscheidbar sind.
Diese Studie zeigt mittels erster-Prinzipien-Rechnungen, dass die 30°-Verdrehung einer -Bismuthen-Schicht auf einer planaren Bismuthen-Schicht auf SiC(0001) durch einzigartige Orbitalhybridisierung und starke Spin-Bahn-Kopplung eine robuste Quanten-Spin-Hall-Phase mit verstärkter Rashba-Spin-Aufspaltung erzeugt, die zudem durch Sb-Substitution chemisch einstellbar bleibt.
Die Studie zeigt, dass die Integration natürlicher Sprachembeddings für Synthese- und Testbedingungen in maschinelle Lernmodelle die Vorhersagegenauigkeit der Glasauflösungsraten für die nukleare Abfallentsorgung verbessert und zudem eine Generalisierbarkeit auf bisher unbekannte chemische Zusammensetzungen ermöglicht.