2692 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 zeigt auf, dass fälschlicherweise auftretende imaginäre Phononenschwingungen in MOFs zu erheblichen Fehlern bei der Berechnung der Wärmekapazität und beim Screening von Materialien führen können, und stellt einen neuen Workflow zur Korrektur dieser Fehler vor.
Diese Arbeit führt RADII ein, einen neuen Benchmark für generative Graph-Modelle in der Materialwissenschaft, der systematisch aufzeigt, ab welcher Partikelgröße die strukturelle Genauigkeit der Modelle nachlässt, und zeigt auf, dass diese „Extrapolationsgrenze“ je nach Architektur unterschiedlich verläuft, aber für gut funktionierende Modelle vorhersagbar ist.
Diese Arbeit untersucht, wie der Anstieg von KI und vernetzten Geräten den Übergang zu Edge-Computing-Architekturen vorantreibt, um beispiellose Rechenanforderungen zu erfüllen, und skizziert die zentralen Designs und Metriken, die nächste Generation intelligenter Sensorsysteme prägen werden.
Diese Arbeit reformuliert die makroskopische Young-Gleichung auf molekularer Ebene unter Verwendung eines universellen Benetzungskoeffizienten, der aus der intrinsischen Wasserstoffbrückenbindungs-Energetik des Wassers abgeleitet wurde, wodurch die Benetzung als eine emergente Eigenschaft des Wassers selbst offenbart und ein prädiktiver Rahmen etabliert wird, der Benetzung, Adhäsion und Kavitation über verschiedene Oberflächen hinweg vereinheitlicht.
Diese Arbeit nutzt numerische Simulationen, um zu demonstrieren, dass, während diskrete Versetzungsdynamik-Modelle mit Annihilationsregeln konsistent gegen eine PDE konvergieren, die eine Annihilation berücksichtigt, Modelle ohne Kollisionsregeln ein inkonsistentes Konvergenzverhalten aufweisen, was die entscheidende Bedeutung der sorgfältigen Behandlung von Versetzungskollisionen in solchen Simulationen hervorhebt.
Diese Arbeit stellt eine neuartige symmetrie-bewusste Padding-Methode vor, die Wyckoff-Positionsinformationen in Encoder-Architekturen integriert, um die Genauigkeit, Stabilität und Effizienz generativer Modelle für das Design vielfältiger anorganischer Materialien signifikant zu steigern und dabei bemerkenswerte Verbesserungen bei der Rekonstruktionsgenauigkeit sowie der Generierung neuer stabiler Verbindungen zu erzielen.
Diese Studie berichtet über die Entdeckung einer leicht sättigbaren und anisotropen Magnetostriktion im prototypischen Altermagneten MnTe, eine Erkenntnis, welche die traditionellen Ansichten zur antiferromagnetischen Magnetostriktion infrage stellt, indem sie eine symmetrieerlaubte Kopplung zwischen elastischer Dehnung und dem Néel-Ordnungsparameter aufzeigt.
Diese Arbeit etabliert eine symmetrie-beschränkte Regel für eine lichtpolarisations-robuste Magnetisierung in antiferromagnetischen Systemen und zeigt durch Theorie und Berechnungen auf, dass Spin-Spiral-Strukturen, im Gegensatz zu kollinearen Antiferromagneten, eine ultraschnelle, polarisationsunabhängige Spin-Manipulation mittels Realraum-Demagnetisierung und -Rotation ermöglichen.
Diese Studie zeigt, dass die Kombination aus Chlor-Substitution und Heliumionenbestrahlung im zweidimensionalen magnetischen Halbleiter CrSBr eine lokale Symmetriebrechung sowie defektbedingte Streuung induziert, was kollektiv die anisotropen Raman-Spektren rekonstruiert, während die robuste resonanzverstärkte Elektron-Phonon-Kopplung erhalten bleibt.
Diese Arbeit präsentiert ein selbstentwickelndes kinetisches Monte-Carlo-Framework, das maschinelle Lernmodelle dynamisch während der Laufzeit trainiert, um atomare Diffusionsraten für Dünnschichtwachstumssimulationen effizient vorherzusagen, wobei eine hohe Recheneffizienz und Genauigkeit durch den Ersatz teurer Berechnungen durch unsicherheitshinterlegte Lernprozesse erreicht wird, wie am Beispiel des Ag/Ag{111}-Submonolagenwachstums demonstriert wird.