🔬 Category

cond-mat.mtrl-sci

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.

🔬 Materialwissenschaft

Catalyst Diffusion Transformer: Generative Inverse Design of Heterogeneous Catalysts

Das Papier stellt den Catalyst Diffusion Transformer (CatDiT) vor, ein vereinheitlichtes generatives Framework, das effizient neuartige und valide heterogene Katalysatoren entwirft, indem es gleichzeitig auf Adsorbattyp, Bindungsenergie und Katalysatorklasse konditioniert, und demonstriert erfolgreich seine Fähigkeit, die Kandidatenpools für gezielte Reaktionen wie die Stickstoffreduktion zu bereichern.

Hayoung Doo, Dong Hyeon Mok, Seoin Back, Jonggeol Na2026-07-28
🔬 Materialwissenschaft

Aligning Heterogeneous DFT Datasets: A Graph Neural Network Approach to Cross-Functional Formation Energies

Diese Arbeit stellt einen Graph-Neural-Network-Ansatz vor, der heterogene DFT-Datensätze durch die Vorhersage funktionsübergreifender Energierestwerte erfolgreich ausrichtet, wodurch veraltete PBE-Berechnungen auf hochpräzise r2SCAN-Genauigkeit aufgewertet und die Integration von Multi-Source-Daten für robuste Material-KI-Modelle ermöglicht wird.

Yidong Huang, Tenglong Lu, Hanwen Kang, Junfeng Huang, Sheng Meng, Miao Liu2026-07-28
🔬 Materialwissenschaft

Neural RHEED alignment with limited training data during CdTe MBE growth

Diese Arbeit präsentiert ein dateneffizientes neuronales Visionssystem, das die kristallographische Ausrichtung während des CdTe-Molekularstrahlepitaxie-Wachstums automatisiert, indem es nur mit 15 RHEED-Mustern trainiert wird und eine physikbasierte Nachbearbeitung nutzt, um die manuelle Inspektion zu ersetzen.

Bartłomiej Turowski, Jakub J. Meixner, RóĊa Dziewiątkowska, Wojciech Zaleszczyk, Tomasz Wojciechowski, Valentine V. Volo (…)2026-07-28
🔬 Materialwissenschaft

Amortized Posteriors for Estimation of Material Constitutive Parameters from Multimodal Measurements on Small Punch Tests

Diese Arbeit präsentiert ein amortisiertes, likelihood-freies Framework, das Gauß-Prozess-Surrogate und Conditional Flow Matching kombiniert, um Materialkennparameter effizient aus multimodalen Small-Punch-Test-Daten zu schätzen, wobei demonstriert wird, dass die Integration von Digital Image Correlation-Feldern mit Kraft-Weg-Kurven die Präzision der Posterior-Verteilung im Vergleich zur alleinigen Verwendung globaler Antwortdaten signifikant verbessert.

Mohammad Ali Seyed Mahmoud, Aditya Venkatraman, Raj Mahat, Samantha Mitra, Surya R. Kalidindi2026-07-28
🔬 Materialwissenschaft

A General Model of Interfacial Chemical Equilibrium in Phase-Field Method

Diese Arbeit führt ein allgemeines Phasenfeldmodell für das chemische Grenzflächengleichgewicht ein, das Hilfsvariablen für nicht-konservative Größen nutzt, um Zusammensetzungsunterschiede zu beschreiben, wodurch die WBM- und KKS-Modelle als Grenzfälle vereinigt werden, während gleichzeitig die direkte Integration thermodynamischer Datenbanken ermöglicht wird, um komplexe Probleme wie die Interdiffusion zwischen geordneten Phasen mit nicht überlappenden Zusammensetzungsbereichen zu lösen.

Yanzhou Ji, Long-Qing Chen2026-07-28
🔬 Materialwissenschaft

Proximity-induced Rashba spin-orbit interaction in BaMnO3∣_\text{3}|KTaO3_\text{3} heterostructure for antiferromagnetic spintronics

Diese Studie schlägt eine BaMnO3_3|KTaO3_3-Heterostruktur vor und validiert mittels DFT-Berechnungen, dass diese durch die Nähe zu KTaO3_3 erfolgreich eine starke Rashba-Spin-Bahn-Wechselwirkung in der antiferromagnetischen BaMnO3_3-Schicht induziert, was einen vielversprechenden Weg für die Weiterentwicklung der antiferromagnetischen Spintronik eröffnet.

Vivek Kumar, Nirmal Ganguli2026-07-27✓ Author reviewed ⓘ
🔬 Materialwissenschaft

Robust Orbital-Selective Flat Bands in Transition-Metal Oxychlorides

Diese Studie identifiziert und validiert experimentell einen robusten, bei Raumtemperatur wirkenden orbitalselektiven Flachband-Mechanismus in Van-der-Waals-Übergangsmetall-Oxychloriden (NbOCl2 und TaOCl2), der aus spezifischer Orbitalhybridisierung und Peierls-Dimerisierung resultiert und damit ein neues Gestaltungsprinzip zur Realisierung exotischer Quantenphasen etabliert.

Xiangyu Luo, Ludovica Zullo, Sahaj Patel, Dongjin Oh, Qian Song, Asish K. Kundu, Anil Rajapitamahuni, Elio Vescovo, Nata (…)2026-07-27
🔬 Festkörperphysik

NanoBTE: Fast Iterative Solution of the Phonon Boltzmann Transport Equation for Nanoscale Heat Transport

Dieses Papier präsentiert NanoBTE, einen deterministischen Finite-Volumen-Solver, der die nicht-graue Phonon-Boltzmann-Transportgleichung für komplexe nanoskalige Geometrien effizient löst, indem er fortschrittliche Randbedingungen, bandaufgelöste Eigenschaften und eine hybride CPU-GPU-Parallelisierung mit synthetischen iterativen Schemata integriert, um die Konvergenz in multiskaligen Wärmetransportsimulationen zu beschleunigen.

Hongjiang Chen, Hai-Xuan Lin, Xiaole Tian, Hongyu Chen, Juan Zhang, Shengyao Yan, Hezhu Shao, Yu Wu, Junjie Liu, Hao Zha (…)2026-07-27
🔬 Materialwissenschaft

Generative and multimodal AI for materials prediction and design: Progress, challenges, and perspectives

Dieses Paper schlägt eine Materialeigenschaftshierarchie und ein evidenzbasiertes Framework vor, um die Herausforderungen bei der Untermauerung von Neuartigkeit in der KI-gesteuerten Materialentdeckung anzugehen, wobei argumentiert wird, dass die aktuellen Einschränkungen bei der Integration multimodaler Daten und des Benchmarking durch gemeinschaftsweite Standards überwunden werden müssen, um das Design experimentell realisierbarer Materialien zu ermöglichen.

Xianyuan Liu, Charles Anjah, Benjamin E. Jolly, Jonathon F. S. Markanday, Joshua Berry, Haolin Wang, Nicola A. Morley, R (…)2026-07-27