🔬 Category

cond-mat.mtrl-sci

4117 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.

🤖 machine learning

BDIP-Net: Dual-Interaction Graph Learning for Property Prediction of Bilayer Materials

Dieses Paper schlägt BDIP-Net vor, ein maschinelles Lernframework, das einen kosteneffizienten MatterSim-D3-Strukturoptimierungs-Workflow mit einem Dual-Interaction-Graph-Neural-Network kombiniert, um effizient zweischichtige Strukturen in DFT-Qualität zu generieren und deren Eigenschaften durch die explizite Modellierung sowohl intra- als auch inter-schichtiger Wechselwirkungen präzise vorherzusagen.

An Vuong, Chen Zhao, Jin Hu, Shui-Qing Yu, Xintao Wu2026-08-18
🔬 materials science

Unraveling the Size Determination Mechanism of Nanocrystal Synthesis via Interpretable Neural Networks

Dieses Papier stellt NanoEQL vor, ein vollständig interpretierbares White-Box-Neuronales Netz, das die Mechanismen der Nanokristallgrößenbestimmung entschlüsselt, indem es Syntheseergebnisse als lineare Gleichung von Kristallisation, Wachstum und externen Potenzialkapazitäten modelliert und damit die Black-Box-Limitierungen des traditionellen Deep Learning in der chemischen Reaktionsanalyse überwindet.

Kai Gu, Haizheng Zhong2026-08-18
🔬 condensed matter

Physics-Informed Symbolic Regression for Predicting the Glass Transition Temperature of Alkali Borate Glasses

Diese Arbeit zeigt, dass die physik-informierte symbolische Regression unter Verwendung des Rigid-Unit-Packing-Fraction-Deskriptors erfolgreich ein interpretierbares geschlossenes Modell zur Vorhersage der Glasübergangstemperatur von Alkali-Borat-Gläsern mit hoher Genauigkeit ableitet, während sie gleichzeitig das physikalische Zusammenspiel zwischen struktureller Steifigkeit, Dissoziationsenergie und Netzwerkpackung explizit erfasst.

Leonardo dos Santos Vitoria, Marcio Luis Ferreira Nascimento, Susana de Souza Lalic, Daniel Roberto Cassar2026-08-18
🔬 materials science

When do machine-learned exchange-correlation improvements inherit into density-functional tight binding?

Diese Arbeit zeigt auf, dass Verbesserungen durch maschinell gelernte Austausch-Korrelations-Funktionale nicht automatisch auf die Dichtefunktional-Tight-Binding-Methode übertragbar sind, aufgrund grundlegender Inkompatibilitäten zwischen orbitalabhängigen Operatoren und multiplikativen Potenzialen, was häufig zu einem „Anti-Transfer“ führt, bei dem sich Bandlücken verschlechtern, während gleichzeitig spezifische strukturelle Komponenten wie On-Site-Blöcke und Polarisationsschalen identifiziert werden, die optimiert werden müssen, um eine erfolgreiche Parametrisierung zu erreichen.

Can Polat, Mustafa Kurban, Erchin Serpedin, Hasan Kurban2026-08-18
🔬 materials science

Paraexciton Excitation in Cu2_2O under Laguerre--Gaussian Illumination

Diese Arbeit zeigt, dass, während Auswahlregeln des Bahndrehimpulses (OAM) spezifische Kanäle für die Anregung optisch verbotener Paraexzitonen in Cu2_2O identifizieren, eine effiziente Anregung letztlich strukturiertes Licht mit einem räumlich lokalisierten Intensitätsring (etwa 6–7 Bohr-Radien) erfordert, der der charakteristischen Längenskala des Exzitons entspricht, wodurch ein dualer Rahmen aus Symmetrie und räumlicher Lokalisierung für das Engineering von Wechselwirkungen mit strukturiertem Licht etabliert wird.

Nguyen Que Huong, David W. Facemyer2026-08-18
🔬 condensed matter

Anharmonicity and Nonadiabaticity in Hydride Superconductors

Diese Arbeit untersucht Supraleitung in verschiedenen Hydriden unter Verwendung fortschrittlicher theoretischer Rahmenbedingungen, die Anharmonizität und Nichtadiabatizität einbeziehen, wobei spezifische diagnostische Metriken eingeführt werden, um zu bestimmen, wann Korrekturen über die Standard-Migdal-Eliashberg-Theorie hinaus notwendig sind, um kritische Temperaturen präzise vorherzusagen.

Shashi B. Mishra, Francesco Belli, Eva Zurek, Elena R. Margine2026-08-18
🔬 materials science

Linking Electronic Bonding and Short-range Order to Strength in α\alpha-Titanium Alloys: A First-Principles Study

Diese First-Principles-Studie nutzt die Dichtefunktionaltheorie, um ein prädiktives Modell für die Zugfestigkeit von α\alpha-Ti-Legierungen zu etablieren, indem sie elektronische Bindungsmetriken, spezifisch den ICOHP, und die Nahordnung mit mechanischen Eigenschaften verknüpft und damit das computergestützte Design von Hochleistungswerkstoffen für Strukturmaterialien vorantreibt.

Md Faiz Akhtar, Nilesh P. Gurao, Somnath Bhowmick2026-08-18
🔬 materials science

Barium Hexaferrite Thin Films as a Scalable Magnetic-Insulator Platform for Proximity-Engineered Spintronics

Diese Arbeit etabliert durch Sputtern gewachsene Bariumhexaferrit-Dünnschichten (BaM) als eine skalierbare, spannungsfreie Magnet-Isolator-Plattform mit intrinsischer senkrechter Anisotropie, die eine effiziente Grenzflächen-Austauschkopplung für proximitäts-engineered spintronische und topologische Bauelemente ermöglicht und somit eine praktische Alternative zu Seltenerd-Eisen-Granaten darstellt.

Shyam Sundar Poriah, Sanjana D. S., Agrim Sharma, Sreelakshmi M. Nair, Pankaj Bhardwaj, Laxmipriya Nanda, Aryaman Das, J (…)2026-08-18
🔬 materials science

What makes a useful molecular model of biochar? A community roadmap

Diese aus einem CECAM-Workshop abgeleitete Community-Roadmap skizziert einen strategischen Pfad zur Entwicklung nützlicher Biochar-Molekülmodelle, indem sie aktuelle Ansätze kritisch bewertet, zentrale Lücken in der Mineral- und Alterungsdynamik identifiziert und die Bemühungen der Gemeinschaft in den Bereichen Validierung, Standardisierung und interdisziplinärer Zusammenarbeit priorisiert, um sicherzustellen, dass Modelle auf der experimentellen Realität basieren.

Valentina Sierra-Jimenez, Jonathan P. Mathews, Luca Bellucci, Edo Boek, Carla de Tomas, Manuel Garcia-Perez, Stef Ghysel (…)2026-08-18