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.

Parameter-Efficient Fine-Tuning of Machine-Learning Interatomic Potentials for Phonon and Thermal Properties

Die Studie stellt das LoRA-basierte Feinabstimmungsframework Equitrain vor, das mit minimalen zusätzlichen Daten die Vorhersagegenauigkeit von phononischen und thermischen Eigenschaften durch maschinengelernte Interatomare Potentiale über 53 Materialsysteme hinweg signifikant verbessert und dabei sowohl vortrainierte als auch von Grund auf neu trainierte Modelle übertrifft.

Jonas Grandel, Philipp Benner, Janine George2026-04-02🔬 cond-mat.mtrl-sci

A multiphysics model for triboelectric nanogenerator design with explicit surface roughness representation

Dieser Beitrag stellt ein multiphysikalisches Finite-Elemente-Framework vor, das durch die explizite Berücksichtigung der Oberflächenrauheit und die Kopplung mechanischer Kontaktanalysen mit elektrostatischen Simulationen die Leistung von Triboelektrischen Nanogeneratoren präziser vorhersagt und optimiert als herkömmliche analytische Modelle.

MD Tanzib Ehsan Sanglap, Jack Perris, Rudra Mukherjee, Charchit Kumar, Lukasz Kaczmarczyk, Chris J. Pearce, Daniel M. Mulvihill, Andrei G. Shvarts2026-04-02🔬 physics.app-ph

Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment

Die vorgestellte Arbeit überwindet die Lücke zwischen Simulation und Experiment, indem sie ein generatives Modell, das auf simulierten Daten trainiert wurde, durch eine neuartige adversielle Verteilungsausrichtung (ADA) an reale experimentelle Beobachtungen anpasst, um so korrekte Verteilungen physikalischer Systeme zu rekonstruieren.

Kai Nelson, Tobias Kreiman, Sergey Levine, Aditi S. Krishnapriyan2026-04-02🧬 q-bio

Localized Energy States Induced by Atomic-Level Interfacial Broadening in Heterostructures

Die Studie zeigt, dass atomare Grenzflächenverbreiterung in (SiGe)m/(Si)m-Supergittern lokalisierte Energiezustände erzeugt, die experimentell nachgewiesene optische Übergänge im Bereich von 2 bis 2,5 eV ermöglichen und somit eine zerstörungsfreie Methode zur Charakterisierung dieser Grenzflächen bieten.

Anis Attiaoui, Gabriel Fettu, Samik Mukherjee, Matthias Bauer, Oussama Moutanabbir2026-04-01🔬 physics.optics

Time-dependent global sensitivity analysis of the Doyle-Fuller-Newman model

Die Studie stellt einen neuartigen Rahmen für die globale Sensitivitätsanalyse zeitabhängiger Ausgaben des Doyle-Fuller-Newman-Modells vor, der es ermöglicht, unwichtige Parameter in Lithium-Ionen-Batteriesimulationen zu identifizieren und deren Einfluss auf die Spannungsantwort zu quantifizieren.

Elia Zonta, Ivana Jovanovic Buha, Michele Spinola, Christoph Weißinger, Hans-Joachim Bungartz, Andreas Jossen2026-04-01🔬 cond-mat.mtrl-sci

A generalized and adaptable tensor-contraction-based cluster expansion formalism for multicomponent solids

Diese Arbeit stellt die Tensor-Cluster-Expansion (TCE) vor, eine in der Open-Source-Bibliothek tce-lib implementierte, generalisierte Methode, die durch Abbildung von Korrelationsfunktionen auf gemischte Tensor-Kontraktionen die Berechnung von Cluster-Expansion-Modellen für komplexe Gitter effizienter und GPU-freundlicher macht und dabei lokale Wechselwirkungsenergien sowie schnelle Energiedifferenzberechnungen ermöglicht.

Jacob Jeffries, Bochuan Sun, Enrique Martinez2026-04-01🔬 cond-mat.mtrl-sci

Accelerated Design of Mechanically Hard Magnetically Soft High-entropy Alloys via Multi-objective Bayesian Optimization

Diese Studie nutzt einen Multi-Objective-Bayesian-Optimization-Ansatz mit Ensemble-Surrogatmodellen und einer effizienten Sampling-Strategie, um hochentropische Legierungen mit gleichzeitig hoher mechanischer Härte und weichen magnetischen Eigenschaften zu identifizieren.

Mian Dai, Yixuan Zhang, Weijia He, Chen Shen, Xiaoqing Li, Stephan Schönecker, Liuliu Han, Ruiwen Xie, Tianhang Zhou, Hongbin Zhang2026-04-01🔬 cond-mat.mtrl-sci