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.

Visible and Terahertz Nonlinear Responses in the Topological Noble Metal Dichalcogenide PdTe2

Die Studie zeigt, dass der topologische Edelmetall-Dichalkogenid PdTe₂ starke nichtlineare optische Antworten im sichtbaren und Terahertz-Bereich aufweist, die durch topologische Oberflächenzustände und einen radiativen Photostrom ermöglicht werden und ihn zu einem vielversprechenden Kandidaten für Anwendungen wie Frequenzmischung und Strahlfokusierung machen.

George J. de Coster, Lucas Lafeta, Stefan Heiserer, Cormac Ó Coileáin, Zdenek Sofer, Achim Hartschuh, Georg S. Duesberg, Paul Seifert2026-03-13🔬 cond-mat.mtrl-sci

Revealing Phonon Bridge Effect for Amorphous vs Crystalline Metal-Silicide Layers at Si/Ti Interfaces by a Machine Learning Potential

Diese Studie entwickelt ein einheitliches Neuroevolutions-Potenzial (NEP), um mittels großskaliger Molekulardynamik-Simulationen und experimenteller Validierung zu zeigen, dass amorphe TiSi₂-Schichten an Si/Ti-Grenzflächen bei Dicken unter 1,5 nm den Wärmetransport effizienter fördern als kristalline Schichten, während sich dieser Trend bei größeren Dicken umkehrt und die C54-Phase einen geringeren thermischen Grenzflächenwiderstand aufweist als die C49-Phase.

Mayur Singh, Lokanath Patra, Chengyang Zhang, Greg MacDougall, Suman Datta, David Cahill, Satish Kumar2026-03-13🔬 cond-mat.mtrl-sci

Magnetic field-induced momentum-dependent symmetry breaking in a kagome superconductor

Die Studie zeigt, dass externe Magnetfelder in dem Kagome-Supraleiter CsV3_3Sb5_5 eine impulsabhängige Symmetriebrechung hervorrufen, die auf piezomagnetische Effekte und Van-Hove-Singularitäten zurückzuführen ist und somit als Werkzeug zur Entwirrung verflochtener Ordnungen in Quantenmaterialien dient.

Jianwei Huang, Zheng Ren, Hengxin Tan, Jounghoon Hyun, Yichen Zhang, Thomas Hulse, Zhaoyu Liu, Jonathan M. DeStefano, Yaofeng Xie, Ziqin Yue, Junichiro Kono, Pengcheng Dai, Yu He, Aki Pulkkinen, Ján M (…)2026-03-13🔬 cond-mat.mtrl-sci

Estimating Reaction Rate Constants from Impedance Spectra: Simulating the Multistep Oxygen Evolution Reaction

Diese Arbeit stellt ein Verfahren vor, das mithilfe eines Maximum-Likelihood-Schätzers und Simulationsdaten zur Sauerstoffentwicklungsreaktion an einer Hämatit-Photoanode Reaktionsgeschwindigkeitskonstanten aus elektrochemischen Impedanzspektren bei mehreren Potenzialen schätzt, um die Kinetik des mehrstufigen Prozesses zu analysieren.

Freja Vandeputte, Bart van den Boorn, Matthijs van Berkel, Anja Bieberle-Hütter, Gerd Vandersteen, John Lataire2026-03-13🔬 cond-mat.mtrl-sci

Matlantis-PFP v8: Universal Machine Learning Interatomic Potential with Better Experimental Agreements via r2SCAN Functional

Das Papier stellt PFP v8 vor, ein universelles maschinelles Lern-Potenzial, das durch Training auf r2SCAN-Daten die Genauigkeitsgrenzen herkömmlicher PBE-basierter Modelle überwindet und signifikant bessere Übereinstimmungen mit experimentellen Daten sowie präzisere Schmelzpunktvorhersagen ermöglicht.

Chikashi Shinagawa, So Takamoto, Daiki Shintani, Yong-Bin Zhuang, Yuta Tsuboi, Katsuhiko Nishimra, Kohei Shinohara, Shigeru Iwase, Yuta Tanaka, Ju Li2026-03-13🔬 physics

From Phase Prediction to Phase Design: A ReAct Agent Framework for High-Entropy Alloy Discovery

Diese Arbeit stellt einen autonomen ReAct-Agenten vor, der auf einem kalibrierten XGBoost-Modell und domänenspezifischem Vorwissen basiert, um durch iteratives Schlussfolgern und Handeln effizient neue Hochentropielegierungen mit gewünschten Kristallphasen zu entwerfen und dabei konventionelle Optimierungsverfahren in Bezug auf Entdeckungsrate und Nähe zum experimentellen Phasenmanifold übertrifft.

Iman Peivaste, Salim Belouettar2026-03-13🔬 cond-mat.mtrl-sci

Moiré in Γ\Gamma-valley square lattice: Copper- and iron-based superconductor simulation in a single device

Diese Studie schlägt vor, dass verdrillte Homobilagen aus Γ\Gamma-Valley-Quadratsystemen wie ZnF2_2 als vielseitige Plattform dienen können, um die effektiven Modelle für kupfer- und eisenbasierte Hochtemperatursupraleiter sowie deren korrelierte Phänomene in einem einzigen Bauelement zu simulieren.

Toshikaze Kariyado, Yusuf Wicaksono, Ashvin Vishwanath, Pavel Volkov, Zhu-Xi Luo2026-03-13🔬 cond-mat