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.

Giant Full-Space Anomalous Hall Effect Induced by Non-Coplanar Spin State in Mn-Rich Mn3Sn

Diese Studie zeigt mittels Dichtefunktionaltheorie, dass eine Mangan-Anreicherung in Mn₃Sn durch vier-Spin-Ring-Austausch eine nicht-koplanare Spinkonfiguration induziert, die einen riesigen intrinsischen anomalen Hall-Effekt im gesamten dreidimensionalen Raum ermöglicht und so eine vielversprechende Strategie für spintronische Anwendungen darstellt.

Yiming Liu, Xin Liu, Jiayao Zhu, Fengxian Ma, Li Ma, Dewei Zhao, Guoke Li, Congmian Zhen, Denglu Hou2026-03-17🔬 cond-mat.mtrl-sci

Research Paradigm of Materials Science Tetrahedra with Artificial Intelligence

Dieser Artikel analysiert das klassische Materialtetraeder und schlägt zwei neue Paradigmen vor, die künstliche Intelligenz durch die Integration von Daten, Modellen und Agenten in die Materialwissenschaft einbinden, um datengesteuerte Forschung zu fördern und die rationalen Herausforderungen der KI-Wissenschaft zu adressieren.

Shiyun Zhang, Yibo Yao, Haoquan Long, Dingwen Tao, Guangming Tan, Wei-Hua Wang, Yuan-Chao Hu2026-03-17🔬 cond-mat.mtrl-sci

Efficient Semi-Automated Material Microstructure Analysis Using Deep Learning: A Case Study in Additive Manufacturing

Diese Studie stellt einen effizienten, halbautomatischen Workflow vor, der aktives Lernen mit einer U-Net-Architektur und einer neuen SMILE-Strategie zur Bildauswahl kombiniert, um die manuelle Annotation für die Mikrostrukturanalyse in der additiven Fertigung um 65 % zu reduzieren und gleichzeitig die Segmentierungsgenauigkeit signifikant zu steigern.

Sanjeev S. Navaratna, Nikhil Thawari, Gunashekhar Mari, Amritha V P, Murugaiyan Amirthalingam, Rohit Batra2026-03-17🔬 cond-mat.mtrl-sci

Generative Inverse Design of Cold Metals for Low-Power Electronics

Diese Studie stellt einen generativen Inverse-Design-Workflow vor, der auf dem Transformer-Modell MatterGPT und der Kristallrepräsentation SLICES basiert, um über 250 neuartige, dreidimensionale „kalte Metalle" mit intrinsischen Energieabständen nahe der Fermi-Energie zu entdecken und damit die Suche nach Materialien für energieeffiziente Elektronik über traditionelle Hochdurchsatz-Screening-Methoden hinaus zu erweitern.

Kedeng Wu, Yucheng Zhu, Yan Chen, Bizhu Zhang, Shuyu Liu, Xiaobin Deng, Yabei Wu, Liangliang Zhu, Hang Xiao2026-03-17🔬 cond-mat.mtrl-sci

Non-isothermal flow of Al-, Co- and Cu-based alloys made in different spatial configurations or structural states: model and experimental study

Die Studie stellt ein universelles Modell für das nicht-isotherme Verformungsverhalten von Al-, Co- und Cu-Legierungen vor, das durch experimentelle Untersuchungen an verschiedenen Probenformen validiert wird und dabei Korrelationen für Materialparameter sowie Analysen von Einschnürungen und Faltstrukturen liefert.

A. D. Berezner, V. A. Fedorov, N. S. Perov, J. C. Qiao, V. E. Gromov, M. Yu. Zadorozhnyy, G. V. Grigoriev2026-03-17🔬 cond-mat.mtrl-sci

The Python Simulations of Chemistry Framework: 10 years of an open-source quantum chemistry project

Dieser Artikel fasst die wichtigsten Fortschritte des Open-Source-Projekts PySCF im Bereich der Elektronenstrukturrechnungen und der Entwicklung quantenchemischer Methoden in den letzten zehn Jahren zusammen, einschließlich neuer Module, Infrastrukturänderungen und Leistungsbenchmarks.

Qiming Sun, Matthew R Hermes, Xiaojie Wu, Huanchen Zhai, Xing Zhang, Abdelrahman M. Ahmed, Juan José Aucar, Oliver J. Backhouse, Samragni Banerjee, Peng Bao, Nikolay A. Bogdanov, Kyle Bystrom, Frédéri (…)2026-03-17🔬 physics