2806 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.
Die Autoren stellen zwei unabhängige optische Methoden zur absoluten Primärnanothermometrie vor, die auf der Boltzmann-Verteilung individueller Stark-Niveaus in mit Seltenen-Erden dotierten Nanopartikeln basieren und somit temperaturmessende Sonden bis hin zum Einzelionen-Niveau ohne externe Referenz ermöglichen.
Diese Studie zeigt, dass die Vernachlässigung der starken Anisotropie der Leitfähigkeit in geschichteten Materialien wie PtTe zu einer Überschätzung von Spin-Diffusionslängen und dem Spin-Hall-Effekt führt, und stellt ein neues dreidimensionales Modell vor, das eine präzise Bestimmung dieser Parameter in allen Richtungen ermöglicht.
Diese Studie liefert durch ARPES, HR-EELS und erste-Prinzipien-Rechnungen den direkten spektroskopischen Nachweis von plasmonischen Polaronen in selbst-interkaliertem 1T-TiS₂ und zeigt, dass deren Eigenschaften durch Ladungsträgerdichte, Temperatur und dielektrische Abschirmung steuerbar sind.
Diese Studie identifiziert den elektronischen Strukturmechanismus, durch den Wasserstoff Leerstellen in BCC-Eisen stabilisiert und damit die kriechinduzierte Verformung begünstigt, während dieser Effekt in FCC-Eisen und komplexen Fe-Cr-Ni-Legierungen aufgrund breiterer d-Bänder und chemischer Unordnung deutlich schwächer ausfällt.
Diese Studie demonstriert experimentell die Robustheit chiraler Randzustände in Chern-Isolator-MnBi₂Te₄-Bauelementen, indem sie mittels AFM-Nanomaschinierung künstliche geometrische Defekte erzeugt und nachweist, dass der quantisierte Hall-Effekt trotz des Durchtrennens der ursprünglichen Randkanäle erhalten bleibt.
Die Studie zeigt, dass bei hydrostatischem Druck in dem zweidimensionalen Zinn-Halogenid-Perowskit (4FPEA)₂SnBr₄ eine Bandlückenverkleinerung auftritt, während gleichzeitig eine anomale Blauverschiebung der selbstgefangenen Exzitonen-Emission beobachtet wird, was auf eine druckinduzierte Modifikation der Exziton-Phonon-Kopplung hinweist, die im Iodid-Analogon fehlt.
Die Studie zeigt, dass der spin-rotationsquantenmetrische Tensor als fehlende Sonde dient, um die rein spin-rotationsbasierte Quantengeometrie in persistenten Spin-Texturen über einen messbaren nichtlinearen gyrotropen Strom nachzuweisen, der durch eine vollständig richtungsunabhängige Antwort charakterisiert ist.
Diese Studie untersucht die Spin-Dynamik des nicht-kollinearen Kagome-Antiferromagneten MnRh mittels linearer Antwort der zeitabhängigen Dichtefunktionaltheorie und enthüllt drei lineare Goldstone-Moden sowie deren Landau-Dämpfung im gesamten Brillouin-Zone.
Die Studie berichtet über die erfolgreiche Herstellung epitaktischer, kohlenstoff- und chlorfreier Chromnitrid-Dünnschichten mittels thermischer chemischer Gasphasenabscheidung, was einen neuen Weg für die Defektengineering und Dotierung von CrN-Filmen eröffnet, der bisher durch die Einschränkungen physikalischer Gasphasenabscheidung begrenzt war.
Diese Arbeit stellt eine effiziente Methode zur Unsicherheitsquantifizierung vor, bei der ein einzelnes Modell auf synthetisch augmentierten Daten trainiert wird, um die Fehlerbalken eines gesamten Ensembles zu approximieren, ohne den hohen Rechenaufwand mehrerer Modellvorhersagen zu benötigen.