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.

Predicting Scale-Up of Metal-Organic Framework Syntheses with Large Language Models

Die Studie stellt ESU-MOF vor, einen datengetriebenen Ansatz, der mittels eines speziell abgestimmten Large Language Models auf Basis einer neu erstellten Literatur-Datenbank die Skalierbarkeit von Metall-organischen Gerüsten (MOFs) mit 91,4 % Genauigkeit vorhersagt, um deren industrielle Anwendung zu beschleunigen.

Peter Walther, Hongrui Sheng, Xinxin Liu, Bin Feng, Reid Coyle, Xinhua Yan, Kyle Smith, Harrison Kayal, Shyam Chand Pal, Zhiling Zheng2026-04-24🔬 cond-mat.mtrl-sci

Giant spontaneous Kerr effect reveals the defect origin of macroscopic time-reversal symmetry breaking in altermagnetic MnTe

Die Studie zeigt, dass der im hexagonalen α\alpha-MnTe beobachtete makroskopische Bruch der Zeitumkehrsymmetrie und der damit verbundene gigantische spontane Kerr-Effekt nicht auf die ideale altermagnetische Ordnung zurückzuführen sind, sondern durch Defekte und Ladungsträger-Selbstdotierung verursacht werden, was durch den fehlenden Effekt in stöchiometrischen, isolierenden Dünnschichten belegt wird.

Weitung Yang, Choongjae Won, Cory Cress, Marshall Zachary Franklin, Xiaochen Fang, Shelby Fields, Nicholas Combs, Shaofeng Han, Weihang Lu, I. I. Mazin, Steven P. Bennett, Sang-Wook Cheong, Jing Xia2026-04-24🔬 cond-mat

Evolution of the Saddle Point in Antimony Telluride Homologous Superlattices

Diese Studie demonstriert mittels Rastertunnel- und winkelaufgelöster Photoemissionsspektroskopie an Antimon-Tellurid-Homolog-Supergittern mit zwei bis vier Antimonen-Schichten das Vorhandensein eines Sattelpunkts und einer van-Hove-Singularität nahe dem M-Punkt, wobei die Hybridisierung von Sb- und Te-pzp_z-Orbitalen als entscheidender Mechanismus für die Verschiebung dieser Singularität zur Fermi-Energie identifiziert wird.

Yi-Hsin Shen, Shane Smolenski, Ming Wen, Yimo Hou, Eoghan Downey, Jakob Hammond-Renfro, Katharine Moncrieffe, Chun Lin, Makoto Hashimoto, Donghui Lu, Kai Sun, Dominika Zgid, Emanuel Gull, Pierre Ferdi (…)2026-04-24🔬 cond-mat.mtrl-sci

Expanding the extreme-k dielectric materials space through physics-validated generative reasoning

Das Paper stellt das KI-Framework DielecMIND vor, das durch die Kombination von hypothesengenerierenden Sprachmodellen mit physikalisch validierten Erstprinzipien-Rechnungen die Entdeckung seltener Hoch-k-Dielektrika revolutioniert und dabei die bekannte Klasse um 35 % durch die Identifizierung von fünf neuen, stabilen Verbindungen erweitert.

Hossain Hridoy, Tahiya Chowdhury, Md Shafayat Hossain2026-04-24🔬 cond-mat.mtrl-sci

Accelerating point defect simulations using data-driven and machine learning approaches

Dieser Artikel gibt einen Überblick über datengetriebene und maschinelle Lernansätze, die genutzt werden, um die Simulation von Punktdefekten in Festkörpern durch den Einsatz von Surrogatmodellen und interatomaren Potenzialen zu beschleunigen, wodurch quantenmechanisch genaue Vorhersagen von Defekteigenschaften bei Bruchteilen der Rechenkosten ermöglicht werden.

Arun Mannodi-Kanakkithodi, Menglin Huang, Prashun Gorai, Seán R. Kavanagh2026-04-24🔬 cond-mat.mtrl-sci

Generative Discovery of Magnetic Insulators under Competing Physical Constraints

Die Studie stellt MagMatLLM vor, ein constraint-gesteuertes generatives Framework, das Sprachmodelle mit evolutionärer Selektion und erster-Prinzipien-Validierung kombiniert, um unter konkurrierenden physikalischen Bedingungen zwölf neuartige magnetische Isolatoren zu entdecken, von denen zehn als dynamisch stabil und funktional vielversprechend bestätigt wurden.

Qiulin Zeng, Tahiya Chowdhury, Md Shafayat Hossain2026-04-24🔬 cond-mat.mtrl-sci

Nanoscale Fluorescence Thermometry: Probes, Recent Advances and Emerging Directions

Diese Übersichtsarbeit bietet eine umfassende und kritische Analyse der Fluoreszenz-Nanothermometrie, beleuchtet ihre grundlegenden Mechanismen, Materialplattformen und aktuellen Fortschritte sowie zukünftige Herausforderungen und Richtungen zur Entwicklung robuster Nanothermometer für Anwendungen in der Nanoelektronik, Mikrofluidik und Biologie.

Md Shakhawath Hossain, Nhat Minh Nguyen, Thi Ngoc Anh Mai, Trung Vuong Doan, Chaohao Chen, Qian Peter Su, Jiayan Liao, Yongliang Chen, Quynh Le-Van, Vu Khac Dat, Toan Dinh, Xiaoxue Xu, Toan Trong Tran2026-04-24🔬 physics.optics