2608 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 kompositorisches Gradienten-Engineering in ultradünnen AlScN-Filmen Leckströme und Durchbrüche durch die Verteilung struktureller Diskontinuitäten mildert und dadurch eine robuste ferroelektrische Schaltfähigkeit in Stapeln mit einer Dicke von nur 5 nm ermöglicht, wobei die Resistivität und Polarisation im Vergleich zu homogenen Gegenstücken signifikant verbessert werden.
Diese Arbeit evaluiert sieben Strategien zur Feinabstimmung von auf maschinellem Lernen basierenden interatomaren Potenzial-Fundamentmodellen (MLIP) über diverse chemische Benchmarks hinweg und zeigt auf, dass, während Voraussetzungen wie die Qualität des Fundamentmodells und die korrekte Energieinitialisierung von entscheidender Bedeutung sind, eine naive Feinabstimmung für die Genauigkeit bei Einzelsystemen optimal ist, wohingegen Multihead-Replay die Robustheit gegenüber Out-of-Distribution-Daten für einen breiteren Einsatz einzigartig bewahrt.
Diese Arbeit schlägt ein einheitliches Framework vor, das die elektronische Struktur mit der intrinsischen Duktilität verknüpft, indem sie die Scheramorphisierung als ein energetisch günstigeres Bruchkriterium als die Versetzungskernbildung identifiziert und dadurch eine präzise Vorhersage der Duktilität sowie der duktil-spröden Übergänge sowohl für reine Metalle als auch für hochentropische Legierungen ermöglicht.
Diese Arbeit warnt davor, dass auf PBE-basierten DFT-Daten trainierte maschinelle Lern-Interatomar-Potentiale die Grundzustandsstruktur von HfO fehlerhaft vorhersagen, da das Funktional dazu neigt, Niedrigdichte-Phasen überzustabilisieren, ein Mangel, der durch die Verwendung alternativer Funktionale wie PBEsol oder LDA gemildert werden kann.
Diese Studie zeigt auf, dass die Einführung von Magnesium in Lithium-Metall-Anoden eine bedingte Spinodale Entmischung zwischen geordneten B2- und Li-reichen -BCC-Phasen induziert, wodurch eine kontinuierliche, miteinander verbundene Mikrostruktur geschaffen wird, die eine schnelle Lithiumdiffusion erleichtert und die Dendritenbildung bei hohen Stromdichten unterdrückt.
Diese Studie verwendet einen neuartigen Ansatz, der Photolumineszenz-Bildgebung, Drift-Diffusions-Simulationen und Bayessche Inferenz kombiniert, um die räumlich nicht uniforme Degradation von Perowskit-Solarzellen abzubilden, wobei erfolgreich zwischen Bulk- und Grenzflächendefekten unterschieden und nachgewiesen wurde, dass eine Amino-Silan-Passivierung die Grenzflächendegradation effektiv unterdrückt.
Durch den Einsatz von Kryo-Konfokalmikroskopie und partikelbildender Geschwindigkeitsmessung zeigt diese Studie auf, dass die volumetrische Expansion anstelle von Marangoni-Strömungen die Fluidbewegung um Blasen während der gerichteten Erstarrung dominiert, was bestehende theoretische Modelle infrage stellt und neue Erkenntnisse für die Steuerung der Blasenverteilung in erstarrten Materialien liefert.
Diese Studie zeigt, dass die Eisen-Dotierung in GaSe-Kristallen optisch und magnetisch aktive Defektzentren einführt, die durch leistung-, temperatur- und magnetfeldabhängige Photolumineszenzspektroskopie als Fe-gebundene Exzitonen mit distinkten g-Faktoren identifiziert wurden, wodurch neue Erkenntnisse für magneto-optoelektronische und quantenphotonische Anwendungen gewonnen werden.
Diese Arbeit führt eine Symmetrie-Elektronische Fingerabdruck-Repräsentation (SEF) ein, die durch die Integration von kristallographischer Symmetrie und ortsaufgelöster elektronischer Struktur es Machine-Learning-Modellen ermöglicht, magnetische Eigenschaften in 2D-Materialien präzise vorherzusagen, während sie die Modellunsicherheit auf einzigartige Weise als diagnostisches Werkzeug nutzt, um konkurrierende magnetische Phasen und Frustration zu identifizieren und zu charakterisieren.
Diese Arbeit zeigt auf, dass die Kombination von Cepstral-Analyse mit Green-Kubo-Simulationen und maschinell gelernten Potenzialen einen robusten, automatisierten und effizienten Rahmen für die präzise Vorhersage der Wärmeleitfähigkeit von metall-organischen Gerüstverbindungen bereitstellt, indem sie das statistische Rauschen und die Parametersensitivität überwindet, die herkömmlichen Methoden eigen sind.