🔬 Category

cond-mat.mtrl-sci

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.

Modeling phase separation in polymer-derived carbonitride ceramics through extended machine learning molecular dynamics

Diese Studie verwendet ein auf über 9.000 Konfigurationen trainiertes maschinell lernendes interatomares Potential, um großskalige Molekulardynamik-Simulationen von Silizium-Karbonitrid-Systemen durchzuführen, und zeigt, dass eine thermische Behandlung eine Phasentrennung bewirkt, bei der defekte Kohlenstoffringe die Keimbildung von graphenähnlichen Schichten innerhalb der amorphen Matrix vermitteln und damit die einzigartigen hybriden Eigenschaften des Materials erklären.

Fabien Mortier, Sylvian Cadars, Olivier Masson, Mauro Boero, Guido Ori, Yun Wang, Samuel Bernard, Assil Bouzid2026-05-21🔬 cond-mat.mtrl-sci

Dataset-aware entropy-maximized active learning for machine-learned interatomic potentials

Dieser Beitrag stellt einen datensatzbewussten, entropiemaximierenden aktiven Lernrahmen vor, der lokale, entropiegetriebene Molekulardynamik mit globaler Informationsfilterung kombiniert, um effizient hochwertige Trainingsdaten für maschinengelernte interatomare Potentiale zu erzeugen und dabei über diverse chemische Systeme hinweg mit minimalen DFT-beschrifteten Strukturen signifikant geringere Energiefehler als das zufällige Sampling zu erreichen.

Meiyan Wang, Rishi Rao, Li Zhu2026-05-21🔬 cond-mat.mtrl-sci

Superconducting PdTe Thin Film Via Topotactic Transformation, Toward Topological Superconductors

Diese Arbeit demonstriert das erfolgreiche Wachstum hochwertiger, luftstabiler, supraleitender PdTe-Dünnschichten mit massenähnlichen Eigenschaften mittels Molekularstrahlepitaxie durch eine topotaktische Umwandlung von einer PdTe₂-Pufferschicht und etabliert damit eine vielversprechende Plattform zur Realisierung topologischer Supraleitung und Majorana-Nullmoden.

Hee Taek Yi, Min Ge, Renjie Xie, Colby J. Stoddard, David H. Yi, Xiaoyu Yuan, Xiong Yao, Seongshik Oh2026-05-21🔬 cond-mat

Ultrafast excitation of Bloch plasmon polaritons in hyperbolic metamaterials with an extreme ultra-violet transient grating

Dieser Artikel zeigt, dass ein extrem ultravioletter transienter Gitter, der durch Interferenz freier Elektronenlaserpulse erzeugt wird, die Impulsfehlanpassung überwinden kann, um die ultraschnelle Anregung von Bloch-Plasmon-Polaritonen in hyperbolischen Metamaterialien zu ermöglichen, und bietet damit eine dynamische Alternative zu permanenten nanostrukturierten Gittern zur Kontrolle optischer Moden.

Tlek Tapani, Hannes Kempf, Matteo Pancaldi, Laura Foglia, Emanuele Pedersoli, Roberta Totani, Adriana Valerio, Riccardo Mincigrucci, Ivaylo Nikolov, Miltcho B. Danailov, Aitor De Andrés, Roman Krahne (…)2026-05-21🔬 physics.optics

TriForces: Augmenting Atomistic GNNs for Transferable Representations

TriForces ist ein modellagnostisches, dreistromiges Framework, das selbstüberwachtes Lernen mit getrennten Kompositions- und Strukturrepräsentationen kombiniert, um die Transferierbarkeit und Dateneffizienz von atomistischen Graph-Neural-Networks für maschinelle Lernpotenziale zwischen Atomen erheblich zu verbessern.

Ali Ramlaoui, Alexandre Duval, Hannah Bull, Victor Schmidt, Hugues Talbot, Fragkiskos D. Malliaros, Joseph Musielewicz2026-05-21🔬 cond-mat.mtrl-sci

Interacting donor-acceptor pairs as the origin of coupled spin-optical signals in hexagonal boron nitride

Diese Arbeit nutzt Berechnungen aus ersten Prinzipien, um nachzuweisen, dass die gekoppelten Spin-optischen Signale in hexagonalem Bornitrid aus wechselwirkenden Donor-Akzeptor-Paaren und nicht aus isolierten Defekten stammen, wodurch aufgezeigt wird, wie deren Trennung und Ladungszustände wesentliche Quanteneigenschaften steuern, und bietet einen einheitlichen Rahmen für die Entwicklung von Quantenemittern bei Raumtemperatur.

Guanjian Hu, Jijun Huang, Bing Huang, Song Li2026-05-21🔬 cond-mat.mtrl-sci

Tuning the low-energy band structure in twisted bilayer WSe2

Mittels Nano-ARPES zeigen Forscher, dass sich zwar die Impulsposition der Valenzbandmaxima in gewickeltem bilayer WSe2 nicht ändert, der Verdrehwinkel jedoch genutzt werden kann, um die energetische Trennung zwischen Lochbändern an den K- und Γ-Punkten um mehr als 100 meV einzustellen, was einen Weg zur Kontrolle von Bandlücken und spinabhängiger Elektron-Phonon-Kopplung in 2D-Bauelementen eröffnet.

T. -H. -Y. Vu, O. J. Clark, N. H. Jo, J. Blyth, Q. Li, C. Jozwiak, A. Bostwick, J. B. Muir, L. Jia, J. A. Davis, I. Di Bernardo, A. Grubisic Cabo, K. Xing, W. Zhao, S. H. Ryu, S. H. Lee, Z. Mao, K. Wa (…)2026-05-21🔬 cond-mat.mtrl-sci

What Lies Between Crystal and Randomly Packed Structures? A General Characterization of Non-Periodic Order

Durch eine umfassende Studie von über 7.000 Grundzustandsstrukturen in einem zweidimensionalen binären Packungsmodell zeigt die Arbeit, dass zwar nicht-periodische Strukturen dominieren, jedoch etwa 35 % davon eine „strukturelle Selektivität" aufweisen, eine Eigenschaft, die als Signatur einer zugrundeliegenden Ordnung dient, die weit über die Diversitätsgrenzen periodischer Kristalle hinausreicht.

Ian Douglass, Peter Harrowell2026-05-21🔬 cond-mat

Generalized Phase Diagrams for Graphene CVD growth on Copper

Dieser Beitrag stellt ein erweitertes generalisiertes Phasendiagramm für das CVD-Wachstum von Graphen auf Kupfer vor, das thermisch induzierte Dehnung und chemische Desorptionseffekte integriert, um die rationale Synthese hochwertiger zweilagiger Graphenstrukturen durch die Verknüpfung makroskopischer Wachstumsparameter mit mikroskopischen Mechanismen der Schichtauswahl vorherzusagen und zu steuern.

Tongtong Wang, Ke Jin, Yishi Zhang, Dajun Shu2026-05-21🔬 cond-mat.mtrl-sci

Anisotropic Crystallization Kinetics and Interfacial Dynamics of Phase-Change Material Sb2_2S3_3 from Machine Learning Force Field Simulations

Diese Studie nutzt ein maschinelles Kraftfeld, um zu zeigen, dass Sb2_2S3_3 eine anisotrope Kristallisation aufweist, die durch seine quasi-eindimensionale Bandstruktur getrieben wird, wobei die wachstumsbestimmende Kinetik an der Grenzfläche durch eine signifikant niedrigere Aktivierungsenergie als die Diffusion gekennzeichnet ist und damit wesentliche Erkenntnisse für die Optimierung seiner Leistung in Datenspeicher- und Photonikanwendungen liefert.

Souvik Chakraborty, Wen-Qing Li, Yun Liu2026-05-21🔬 cond-mat.mtrl-sci