2832 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 Arbeit entwickelt eine effektive Theorie für itinerante Elektronen in altermagnetischen Spin-Texturen und zeigt, dass diese im adiabatischen Regime neuartige emergente elektromagnetische Felder sowie quanten-geometrische Effekte wie spinabhängige Elektronenlinsen erzeugen, die neue Möglichkeiten für die Spintronik und den Nachweis von Altermagnetismus eröffnen.
Die Studie demonstriert hochleistungsfähige, top-gate-gesteuerte MOSFETs auf Basis des ultrabreiten Bandlücken-Halbleiters SrSnO₃ mit exzellenten elektrischen Kennwerten, die ihn als vielversprechende Plattform für Hochleistungs-Leistungselektronik etablieren.
Die Studie untersucht mittels spektroskopischer Methoden langkettige lineare und zyklische Polyine (48 Kohlenstoffatome) und zeigt, dass sich deren elektronische Dynamik und Grundzustandsdelokalisierung im Vergleich zu kurzen Ketten deutlich verändern, wobei sich die Eigenschaften bereits bei dieser Länge dem unendlichen Carbyn-Limit annähern.
Diese Arbeit entwickelt eine Theorie zur Ausbreitung elastischer Wellen in flexomagnetischen Materialien mit Mikrostruktur, die zeigt, dass die Kopplung von Magnetismus und Dehnungsgradienten zu neuartigen Phänomenen wie Dispersion, ungewöhnlichen Phasengeschwindigkeitsverhältnissen, Dämpfung sowie stationären oder rückwärts laufenden Wellenmoden führt, die in der klassischen linearen Elastizitätstheorie nicht vorkommen.
Diese Studie kombiniert quasipartikel-selbstkonsistente GW-Rechnungen mit maschinell gelernten DFT+U-Korrekturen, um halbmetallische Heusler-Verbindungen zu identifizieren, die für Spintronik-Anwendungen auf InAs-Substraten geeignet sind, und stellt dabei fest, dass Co₂TiSn und Co₂ZrAl die vielversprechendsten Kandidaten sind.
Die Studie nutzt RT-TDDFT, um zu zeigen, dass zirkular polarisiertes Licht im diamagnetischen SrTiO eine helizitätsabhängige, transiente Magnetisierung induziert, indem es den Drehimpuls des Lichts primär auf die Bahndrehimpulse der Elektronen überträgt, wobei die Spin-Bahn-Kopplung eine untergeordnete Rolle bei der Umwandlung in Spinmagnetisierung spielt.
Diese Studie stellt einen neuen Rechenrahmen vor, der ab-initio-Methoden mit maschinellem Lernen kombiniert, um die temperaturabhängigen optoelektronischen Eigenschaften anharmonischer fester Lösungen, wie etwa von Silber-Chalkogen-Halogenid-Mischkristallen, präzise vorherzusagen und dabei chemische Unordnung sowie Gitterdynamik zu berücksichtigen.
Die Studie stellt ActiveStructOpt vor, ein aktives Lern-Framework, das Graph-Neuronale-Netzwerke mit effizienten Surrogatmodellen kombiniert, um die atomare Struktur komplexer Materialien aus spektroskopischen Daten mit minimalem Rechenaufwand und höherer Genauigkeit als bestehende Methoden zu bestimmen.
Diese Studie präsentiert die Entwicklung hochporöser SnO2-Graphenoxid-Nano-Heterostrukturen, die durch gezielte Anpassung des GO-Gehalts sowohl hochempfindliche, selektive Raumtemperatur-Gassensoren für flüchtige organische Verbindungen als auch hocheffiziente UV-Photodetektoren ermöglichen.
Die Arbeit stellt „Symmetr" vor, ein Python-Paket zur Bestimmung der durch die Kristallsymmetrie eingeschränkten Formen von Tensoren, die physikalische Eigenschaften von Kristallen, insbesondere magnetischer Materialien, beschreiben.