4135 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.
Dieses Paper führt eine neuartige, skalierbare Methode unter Verwendung eines konventionellen Rasterkraftmikroskops (AFM) mit Indentation und „Hard Tapping“ ein, um Graphen-Autokirigami-Bänder effizient zu nukleieren, zu manipulieren und dynamisch abzubilden, wodurch die Einschränkungen spezialisierter mehrachsiger Systeme überwunden und deren potenziellen Einsatz in NEMS-Bauteilen ermöglicht werden.
Diese Studie kombiniert First-Principles-Dichtefunktionaltheorie-Berechnungen und maschinelles Lernen, um die Synthetisierbarkeit und die mechanischen Eigenschaften von 126 potenziellen Fünf-Metall-Hochentropieboriden systematisch zu bewerten, wobei Schlüsseldeskriptoren wie die Entropiebildungsfähigkeit identifiziert und die destabilisierende Rolle von Chrom hervorgehoben werden, um die Entdeckung mechanisch überlegener einphasiger Materialien zu leiten.
Diese Arbeit führt ein Realraum-, linear-skalierendes Bethe-Salpeter-Framework ein, das eine effiziente exzitonische Spektroskopie in großen, ungeordneten Bornitrid-Systemen ermöglicht und eine durch Unordnung induzierte asymmetrische Verbreiterung, einen Crossover in der Peak-Rotverschiebung sowie die Anderson-Lokalisierung von Exzitonen in Strukturen mit bis zu Orbitalen aufdeckt.
Diese Studie berichtet über die Entdeckung eines außergewöhnlich großen anisotropen Magnetwiderstands und eines ausgeprägten planaren Hall-Effekts in YBa2Cu3O7-x nahe seinem Supraleitungsübergang, was einen klaren Beleg für eine starke Spin-Bahn-Kopplung in einer Materialklasse liefert, der man zuvor solche Wechselwirkungen nicht zugetraut hatte.
Diese Studie identifiziert durch temperaturabhängige Raman-Streuung einen neuen plasmonenähnlichen Modus in PdTe unterhalb von 100 K und bestätigt dessen elektronischen Ursprung mittels kongruenter theoretischer Modellierung sowie phänomenologischer Analyse der linearen Frequenzabhängigkeit der Raman-Relaxationsrate.
Diese Arbeit verwendet einen Boltzmann-Transport-Ansatz, um zu zeigen, dass der spontane Nernst-Koeffizient in ferromagnetischen Metallen umgekehrt proportional zur Streuzeit und direkt mit dem itineranten Bahndrehimpuls verknüpft ist, wodurch ein theoretischer Rahmen und praktische Leitlinien zur Maximierung dieses Effekts durch Bandstruktur-Engineering bereitgestellt werden.
Mittels polarisationsaufgelöster Infrarotspektroskopie zeigt diese Studie, dass der Dichtewellenübergang im Trilagen-Nickelat LaNiO eine dramatische Verstärkung der elektronischen Anisotropie vorantreibt, indem er die Ni-O-Schichten durch eine Spin-Dichtewellen-induzierte Umverteilung der Ni--Orbitalbesetzung effektiv entkoppelt.
Dieses Paper stellt die Materials Explorer Pipeline vor, ein domänenagnostisches System, das KI nutzt, um unstrukturierte wissenschaftliche Literatur in eine strukturierte, abfragbare und mit Provenienz angereicherte Wissensdatenbank zu transformieren, demonstriert durch die Extraktion von 233 Beispieldatensätzen aus der Forschung zu supraleitenden Qubit-Materialien.
Das Paper stellt PtyRANNOSAUR vor, ein spezialisiertes, auf konvolutionalen Autoencodern basierendes neuronales Netzwerk, das atomar aufgelöste Elektronen-Ptychographie-Daten mit Sub-Angström-Genauigkeit in Sekunden rekonstruiert und somit eine robuste, hyperparameterfreie Alternative zu Standard-Iterationsmethoden bietet, die 10- bis 100-mal schneller ist.
Diese Arbeit präsentiert eine validierte In-situ-Thermalanalyse-Methodik mittels Röntgenbeugung zur präzisen Bestimmung von Probentemperaturen und Phasenstabilität, welche zunächst unter Verwendung von CsPbCl3 als Modellsystem etabliert und anschließend angewandt wurde, um die thermische Kinetik und die strukturellen Übergänge des Doppelperowskits Cs2AgSbCl6 zu untersuchen.