cond-mat.mtrl-sci

Near-surface Defects Break Symmetry in Water Adsorption on CeO$_{2-x}$(111)

LLM Agents for Knowledge Discovery in Atomic Layer Processing

Diese Arbeit zeigt auf, dass Agenten auf Basis großer Sprachmodelle, die mit begrenzten Sondierungswerkzeugen ausgestattet und durch Trial-and-Error-Persistenz statt durch explizite Anweisungen geleitet werden, autonom verallgemeinerbares Wissen über komplexe Systeme entdecken und verifizieren können, das von einfachen Gesellschaftsspielen bis hin zu fortgeschrittenen Simulationen von Atomlagenabscheidungsreaktoren reicht.

Tuning the Electronic Structure of Graphene by Controlling Spatial Confinement

Following the Long-Term Evolution of sp$^3$-type Defects in Tritiated Graphene using Raman Spectroscopy

Diese Studie zeigt, dass durch Tritium induzierte sp³-Defekte in Monolagen-Graphen auf einem Si/SiO₂-Substrat unter Standardlaborbedingungen über einen Zeitraum von zwei Jahren einer nahezu vollständigen Depletion unterliegen, wobei eine Erholungsrate vorliegt, die signifikant über der allein durch den Tritiumzerfall erwarteten Rate liegt und sich vom Verhalten von hydriertem Graphen unterscheidet.

Reducing TLS loss in tantalum CPW resonators using titanium sacrificial layers

Die Autoren zeigen, dass das Abscheiden einer ultradünnen Titanschicht als Opferschicht auf Tantalfilmen als Festkörper-Sauerstoffgetter fungiert, um die native Oxidschnittstelle chemisch zu reduzieren, welche anschließend entfernt wird, um Tantal-Coplanar-Wellenleiter-Resonatoren mit internen Qualitätsfaktoren von über 1,5 Millionen zu erhalten, was eine Verdreifachung gegenüber unbehandelten Bauteilen darstellt.

Towards Self-Optimizing Electron Microscope: Robust Tuning of Aberration Coefficients via Physics-Aware Multi-Objective Bayesian Optimization

Dieses Paper stellt ein robustes, dateneffizientes Multi-Objective Bayesian Optimization Framework vor, das eine selbstoptimierende Rastertransmissionselektronenmikroskopie ermöglicht, indem es Aberrationskoeffizienten durch physikbewusste, benutzerdefinierte Belohnungsfunktionen und Pareto-Front-Analysen aktiv abstimmt, um die Einschränkungen traditioneller serieller Suchen und starrer Deep-Learning-Modelle zu überwinden.

C2NP: A Benchmark for Learning Scale-Dependent Geometric Invariances in 3D Materials Generation

Dieses Paper führt C2NP ein, einen umfassenden Benchmark, der zeigt, dass aktuelle hochmoderne generative Modelle für Materialien daran scheitern, über Skalentransitionen zwischen unendlichen Kristallen und endlichen Nanopartikeln hinweg zu generalisieren, da sie auf der Ausnutzung von Template-Memorierung anstatt auf einem skalierbaren physikalischen Verständnis beruhen.

Design and fabrication of guiding patterns for topography-based searching of 2D devices for scanning tunneling microscopy measurements

Diese Arbeit präsentiert eine praktische, hardwarefreie Navigationsstrategie zur Lokalisierung von submikronen 2D-Bauelementen in der Rastertunnelmikroskopie unter Verwendung geätzter geometrischer Leitmuster auf dem Substrat, was eine zuverlässige Abbildung und Spektroskopie mit atomarer Auflösung ohne optische oder kapazitive Unterstützung ermöglicht.

Mapping Metastable Magnetic Textures in (Fe0.5Co0.5)5GeTe2 with in-situ Lorentz Transmission Electron Microscopy

Diese Studie nutzt In-situ-Lorentz-Transmissionselektronenmikroskopie, um das Nullfeld-metastabile Magnetphasendiagramm von (Fe0,5Co0,5)5GeTe2 durch Feldkühlung des Materials zu kartieren und damit eine entscheidende Grundlage für die Auswahl und Manipulation spezifischer topologisch geschützter Spinzustände unter Umgebungsbedingungen zu schaffen.

Site preference of chalcogen atoms in 1T$^\prime$ $MX_{2(1-x)}Y_{2x}$ ($M=$ Mo and W; $X, Y=$ S, Se, and Te)

Mithilfe von First-Principles-Berechnungen zeigt diese Studie auf, dass die Platzpräferenz von Chalkogenatomen in 1T'-$MX_{2(1-x)}Y_{2x}$-Systemen universell die Bildungsenergie mit der Amplitude der Peierls-ähnlichen Verzerrung korreliert und die linearen elastischen Eigenschaften signifikant beeinflusst, wodurch entscheidende Struktur-Eigenschafts-Beziehungen etabliert werden.