5016 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 Studie verwendet Stiltransfer, um die Domänendifferenz zwischen simulierten und experimentellen Rasterkraftmikroskopie-Aufnahmen zu überbrücken und dadurch die Vorhersageleistung von Modellen des maschinellen Lernens für die Entdeckung atomarer Strukturen zu verbessern, ohne dass markierte experimentelle Daten erforderlich sind.
Diese Arbeit zeigt, dass auf KTaO3-Dünnschichten, die auf SrTiO3-Substraten gewachsen sind, angewendete epitaktische Verspannung einen robusten, intrinsischen ferroelektrischen Zustand mit einer Übergangstemperatur von 475 K induziert, was eine systematische Kontrolle über die Curie-Temperatur und die spontane Polarisation des Materials ermöglicht.
Diese Studie berichtet über die Beobachtung von Spin-Bahn-getriebenen Viertel-Semimetallen in rhomboedrischem Multilagen-Graphen, bei denen starke Korrelationen und proxi-mitierte Spin-Bahn-Kopplung spontane Symmetriebrechung und einen hysteretischen anomalen Hall-Effekt induzieren, was letztlich einen magnetfeldgesteuerten Phasenübergang zu Chern-Isolatoren ermöglicht.
Durch die Kombination von elastokalorischen Experimenten, Freie-Energie-Modellierung und First-Principles-Berechnungen etabliert diese Studie eine thermodynamische Sonde für den altermagnetischen kritischen Punkt in MnF und demonstriert, wie die Kopplung zwischen magnetischen Multipolen und uniaxialer Dehnung dazu genutzt werden kann, multipolare Ordnung in d-Wellen-Altermagneten nachzuweisen.
Die Autoren präsentieren ein nicht-empirisches, Kohn-Sham-gestütztes orbitalfreies Dichtefunktionaltheorie-Framework, das eine Genauigkeit auf Kohn-Sham-Niveau für elektronische Strukturrechnungen unter extremen Bedingungen erreicht und dabei eine Beschleunigung um das Mehrhundertfache im Vergleich zu traditionellen Methoden bietet.
Diese Arbeit identifiziert die -Familie der -Wellen-Altermagneten als eine vielseitige Plattform zur Realisierung robuster, spin-vall-gekoppelter Nodal-Line-Fermionen, die durch Spiegelsymmetrie geschützt sind, und bietet ein allgemeines Gestaltungsprinzip zur Isolierung dieser topologischen Zustände durch Schicht-Engineering und elektronische Korrelationen.
Diese Perspektive argumentiert, dass die nächste Grenze in der Entdeckung von Energiematerialien in der Entwicklung thermodynamisch informierter maschineller Lernmodelle liegt, die über statische Nulltemperatur-Energievorhersagen hinausgehen, um die wesentlichen Rollen von Entropie und Anharmonizität bei der Steuerung des Materialverhaltens unter realistischen Betriebsbedingungen zu erfassen.
Erste-Prinzipien-Berechnungen zeigen, dass geordnetes BiSbTeSe die Inversionssymmetrie bricht, um eine gigantische Bulk-Rashba-Spin-Aufspaltung neben robusten topologischen Oberflächenzuständen aufzuweisen, was es als eine einzigartige Plattform für die Untersuchung koexistierender Bulk- und Oberflächen-Spin-Ladungs-Transportphänomene etabliert.
Diese Studie präsentiert physik-informierte maschinelle Lernmodelle, die cRPA-abgeleitete Hubbard-Wechselwirkungsparameter (, und ) für Übergangsmetalloxide präzise vorhersagen und damit sowohl Möglichkeiten für das Hochdurchsatz-Screening als auch neue physikalische Einblicke in die elektronischen und strukturellen Faktoren bieten, welche diese Wechselwirkungen steuern.
PUDA führt ein kopfgesteuertes, KI-natives Hardware-Harness für selbstfahrende Labore ein, das traditionelle grafische Benutzeroberflächen durch eine deterministische Befehlszeilen-Laufzeit ersetzt und es autonomen Agenten ermöglicht, Experimente auszuführen, während durch strukturierte, verknüpfte Datensätze die vollständige Datenprovenienz und Auditierbarkeit gewährleistet wird.