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.

🔬 materials science

Impact of light-matter coupling strength on the efficiency of microcavity OLEDs: A unified quantum master equation approach

Diese Arbeit entwickelt ein vereinheitlichtes Quanten-Mastergleichungsmodell, um die Effizienz von Mikroresonator-OLEDs über schwache und starke Licht-Materie-Kopplungsregime hinweg systematisch zu analysieren und zu vergleichen, mit dem Ziel, die optimale Strategie zur Überwindung von Leistungsbeschränkungen wie dem Effizienzabfall (Efficiency Roll-off) zu identifizieren.

Olli Siltanen, Kimmo Luoma, Konstantinos S. Daskalakis2026-02-06
🔬 materials science

High-temperature series expansion of the dynamic Matsubara spin correlator

Diese Arbeit erweitert Hochtemperatur-Reihenentwicklungen auf dynamische Matsubara-Spin-Korrelatoren für Heisenberg-Modelle und liefert vorberechnete exakte Expansionskoeffizienten bis zur 12. Ordnung für beliebige Gitter, um die Berechnung statischer Suszeptibilitäten und dynamischer Strukturfaktoren bei reellen Frequenzen zu ermöglichen.

Ruben Burkard, Benedikt Schneider, Björn Sbierski2026-02-06
🔬 materials science

Average density of Bloch electrons in a homogeneous magnetic field: A second-order response

Diese Arbeit präsentiert einen gauge-invarianten theoretischen Rahmen zur Berechnung der durchschnittlichen Dichte von Bloch-Elektronen in einem homogenen Magnetfeld bis zur zweiten Ordnung, wobei aufgezeigt wird, dass während die lineare Antwort für Isolatoren der Streda-Formel folgt, Metalle einen zusätzlichen Fermi-Flächen-Beitrag aus orbitalen magnetischen Momenten aufweisen und die Antwort zweiter Ordnung signifikant durch den Quantenmetriktir-Tensor beeinflusst wird, welcher ein Pseudo-Magnetmoment erzeugt.

Benjamin M. Fregoso2026-02-06
🔬 materials science

Entropy stabilization and effect of A-site ionic size in bilayer nickelates

Diese Studie stabilisiert erfolgreich Bilayer-Nickelate mit kleineren A-Platz-Ionen durch Entropie-Engineering und zeigt auf, dass der resultierende chemische Druck die strukturellen Verzerrungen sowie die Interlayer-Kopplung verstärkt, was eine supraleitende Übergangstemperatur von über 100 K projiziert.

Jia-Yi Lu, Jia-Xin Li, Xin-Yu Zhao, Ya-Nan Zhang, Yi-Qiang Lin, Kai-Xin Ye, Hui-Qiu Yuan, Guang-Han Cao2026-02-06
🔬 materials science

From Literature to Lab: Closed-Loop Advancement of Perovskite Solar Cells via Domain Knowledge Guided LLM

Dieses Paper stellt PVK-LLM vor, ein durch Domänenwissen gesteuertes Framework, das Large Language Models mit hierarchischer Bayesscher Optimierung integriert, um autonom ein neuartiges, hocheffizientes Perowskit-Solarzellen-Rezept zu entdecken, das einen Wirkungsgrad der Energieumwandlung von über 26,0 % erreicht und damit die Einschränkungen allgemeiner LLMs bei der Navigation durch komplexe Materialdesignräume überwindet.

Penglei Sun, Shuyan Chen, Xiang Liu, Longhan Zhang, Huajie You, Chang Yan, Yongqi Zhang, Xiaowen Chu, Tong-yi Zhang2026-02-06
🔬 materials science

Predictive Machine Learning Molecular Dynamics of SEI Formation in Concentrated LiTFSI and LiPF6 Electrolytes for Lithium Metal Batteries

Diese Studie verwendet ein auf Deep Potential basierendes maschinelles Lernen für die Molekulardynamik, um aufzuzeigen, dass hochkonzentrierte LiTFSI-Elektrolyte ein schnelles, anionenbasiertes SEI-Wachstum mit überlegener Stabilität im Vergleich zu den langsameren, LiF-dominierten Grenzflächen induzieren, die in Systemen mit niedrigerer Konzentration oder auf LiPF6-Basis entstehen, wodurch quantengenaue Einblicke in die elektrolytabhängigen SEI-Nukleationsmechanismen in Lithium-Metall-Batterien bereitgestellt werden.

Syed Mustafa Shah, Mohammed Lemaalem, Anh T. Ngo2026-02-06
🔬 materials science

Physics-informed acquisition weighting for stoichiometry-constrained Bayesian optimization of oxide thin-film growth

Diese Arbeit stellt eine physik-informierte Bayessche Optimierungsmethode vor, die Kristallwachstums-Priors über ein Gewichtungsschema in die Akquisitionsfunktion integriert und so eine effiziente, geschlossene Optimierung der Stöchiometrie und der Gitterkonstanten von LaAlO3-Dünnschichten innerhalb von nur 15 Experimenten ermöglicht.

Yuki K. Wakabayashi, Takuma Otsuka, Yoshiharu Krockenberger, Yoshitaka Taniyasu2026-02-06