4236 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 zeigt, dass die Wahl des Elektron-Positron-Korrelationsfunktionals und die Berücksichtigung von Polymorphie entscheidend für die genaue theoretische Vorhersage von Positronen-Lebensdauern in Bleihalogenid-Perowskiten sind, was zu einer Neubewertung experimenteller Befunde bezüglich A-Seiten-Leerstellen führt.
Die Studie stellt einen autonomen Large-Language-Model-Agenten vor, der in der Lage ist, datengesteuerte Materialtheorien end-to-end zu entwickeln und bestehende sowie neue Gesetzmäßigkeiten zu identifizieren, wobei jedoch eine sorgfältige Validierung notwendig bleibt, um fehlerhafte Ergebnisse trotz guter numerischer Anpassung zu vermeiden.
Die Studie zeigt, dass strukturelle Unordnung im entordneten Doppelperowskit GdSrCoMnO zu einem Griffiths-artigen Phasenbereich, Spin-Gitter-Kopplung und einem ausgedehnten Austausch-Bias-Effekt führt, die durch konkurrierende ferro- und antiferromagnetische Wechselwirkungen sowie magnetische Inhomogenitäten verursacht werden.
Diese Studie entwickelt einen validierten maschinellen Lernansatz, der auf einem Ensemble-Modell (CatBoost) basiert, um die mechanischen Eigenschaften resorbierbarer Magnesiumlegierungen vorherzusagen und durch die Analyse von Einflussfaktoren wie Zn, Mn und Gd sowie thermomechanischer Verarbeitung die gezielte Entwicklung neuer Implantatmaterialien zu beschleunigen.
Die Studie zeigt, dass das Produkt aus Schwellenfeld und Aktivierungslänge für diverse feldgetriebene Phänomene eine universelle kritische Aktivierungsspannung von 0,1–2,7 V ergibt, die als Schwellenwert für die resonante Kopplung an den universellen Phononendämpfungspeak dient und damit makroskopische thermische Instabilitäten mit der nanoskaligen Blech-Grenze vereint.
Die Studie zeigt, dass in rutile-Struktur CuF₂ ein orbitalresonanzvermittelter, anomal starker Super-Super-Austauschmechanismus eine riesige chirale Magnonenaufspaltung erzeugt, was dieses Material als ideales Plattform zur spektroskopischen Validierung von Altermagnetismus etabliert.
Diese Arbeit stellt ein skalierbares Deep-Learning-Framework vor, das mittels eines zweistufigen Concurrent-Learning-Workflows die freie Energieoberfläche effizient lernt und so die Kristallstrukturvorhersage unter Berücksichtigung von Endtemperatur- und Kernquanteneffekten ermöglicht, was zu einer Kostenreduktion um den Faktor 1,72 Millionen gegenüber DFT-Methoden führt und neue stabile Hydride im La-Sc-H-System entdeckt.
Die Studie zeigt, dass in geschichteten Materialien wie rhomboedrischem Fünflagen-Graphen eine gemischte Schicht-Orbital-Quanten-Geometrie einen intrinsischen, streuungszeitunabhängigen magnetoelektrischen Hall-Effekt erzeugt, der als bilineare Antwort auf elektrische und magnetische Felder auftritt und als direkter Nachweis der schichtaufgelösten Quanten-Geometrie in nichtmagnetischen Systemen ohne Spin-Bahn-Kopplung dient.
Die Forscher demonstrieren experimentell einen akustischen Quanten-Skyrmion-Tal-Hall-Effekt in einem phononischen Kristall, bei dem Skyrmionen als robuste, vallet- und spin-gekoppelte Randzustände auftreten, die eine kontrollierte und verlustarme Ausbreitung durch gezielte Anregung ermöglichen.
Diese Studie nutzt maschinelles Lernen, um nachzuweisen, dass das Gleiten in ferroelektrischen Moiré-Supergittern nicht durch eine starre Verschiebung der Schichten, sondern durch einen kollektiven, domainwandvermittelten Mechanismus mit ultraniedriger Barriere erfolgt, der durch thermische Aktivierung getrieben wird und bereits durch geringe Schwefel-Leerstellen in ein Anker-Verhalten übergeht.