🔬 Category

cond-mat.mtrl-sci

503 Arbeiten

Averaging Molecular Dynamics simulations to study the slow-strain rate behavior of metals

Diese Arbeit stellt eine Anwendung des Practical Time Averaging (PTA)-Rahmens vor, der es ermöglicht, molekulardynamische Simulationen von Aluminium-Nanokristallen unter quasistatischen Dehnungsraten durchzuführen, indem schnelle atomare Schwingungen durch Zeitmittelung effizient überbrückt werden, um dabei das atomare Auflösungsvermögen zu bewahren und Phänomene wie die „smaller is harder"-Wirkung sowie die Evolution von Versetzungsstrukturen zu untersuchen.

Sarthok Kumar Baruah, Sabyasachi Chatterjee, Amit Acharya, Gerald J. WangTue, 10 Ma🔬 cond-mat.mtrl-sci

Alleviating Projection-Space Sensitivity in DFT+U via Renormalized U

Die Studie zeigt, dass die Berechnung eines projektionsgrößenabhängigen, renormalisierten Hubbard-U-Werts mittels eingeschränkter DFT die starke Abhängigkeit der DFT+U-Ergebnisse von der Wahl des Projektionsraums in korrelierten Systemen wie TiO₂ und MnO₂ beseitigt und konsistente Ergebnisse für Gitterparameter, elektronische Struktur und Phasenstabilität gewährleistet.

Manjula Raman, Kenneth ParkTue, 10 Ma🔬 cond-mat.mtrl-sci

A Perspective on Training Machine Learning Force Fields for Solid-State Electrolyte Materials

Diese Perspektive stellt fest, dass für das Training von Machine-Learning-Kraftfeldern in Festkörperelektrolyten die Datenqualität der Quantität vorzuziehen ist und die Kraft-RMSE allein keine verlässliche Vorhersage für den Transport liefert, wodurch praktische Leitlinien für die Entwicklung neuer Festkörperbatterien abgeleitet werden.

Zihan Yan, Shengjie Tang, Yizhou ZhuTue, 10 Ma🔬 cond-mat.mtrl-sci

Defect Detection in Magnetic Systems Using U-Net and Statistical Measures

Die Studie zeigt, dass die Kombination von U-Net-Segmentierung mit statistischen Kennwerten aus zeitlich aufgelösten mikromagnetischen Simulationen eine robuste Fehlererkennung in magnetischen Systemen ermöglicht, sofern die Trainingsdaten die erwarteten Rauschstatistiken widerspiegeln.

Ross Knapman, Atreya Majumdar, Nasim Bazazzadeh, Kübra Kalkan, Katharina Ollefs, Oliver Gutfleisch, Karin Everschor-SitteTue, 10 Ma🔬 cond-mat.mtrl-sci

AI-Driven Phase Identification from X-ray Hyperspectral Imaging of cycled Na-ion Cathode Materials

Die Autoren stellen eine KI-gestützte Methode vor, die auf einem Gaussian Mixture Variational Autoencoder und dem Pearson-Korrelationskoeffizienten basiert, um aus spärlich abgetasteten Röntgen-Hyperspektralbildern nanometeraufgelöste Phasenverteilungskarten von NaxV2(PO4)2F3-Kathodenmaterialien zu erstellen und dabei komplexe Phasenheterogenitäten sowie Übergangsphasen an Korngrenzen präzise zu identifizieren.

Fayçal Adrar, Nicolas Folastre, Chloé Pablos, Stefan Stanescu, Sufal Swaraj, Raghvender Raghvender, François Cadiou, Laurence Croguennec, Matthieu Bugnet, Arnaud DemortièreTue, 10 Ma🔬 cond-mat.mtrl-sci

Magnetic and electrical transport properties of the single-crystalline half-Heusler antiferromagnet DyNiSb

Die Untersuchung hochwertiger Einkristalle des halb-Heusler-Antiferromagneten DyNiSb offenbart zwei magnetische Phasenübergänge bei 7,3 K und 3,4 K sowie metallische Leitfähigkeit, was im Gegensatz zu früheren Befunden an polykristallinen Proben steht und auf eine komplexe, strukturempfindliche Magnetotransportdynamik mit feldinduzierter Fermiflächen-Rekonstruktion hindeutet.

Abhinav Agarwal, Prabuddha Kant Mishra, Orest Pavlosiuk, Maciej J. Winiarski, Piotr Wisniewski, Dariusz KaczorowskiTue, 10 Ma🔬 cond-mat.mtrl-sci

Anomalous magnetotransport in the single-crystalline half-Heusler antiferromagnet ErPdSb

Die Studie untersucht die thermodynamischen und magnetotransportiven Eigenschaften des einkristallinen Halb-Heusler-Antiferromagneten ErPdSb, das bei 1,2 K antiferromagnetisch ordnet und sowohl semimetallisches Verhalten als auch einen signifikanten anomalen Hall-Effekt sowie ungewöhnliche Winkel-Magnetowiderstandsmerkmale aufweist, die auf eine feldinduzierte Rekonstruktion der Fermi-Oberfläche hindeuten.

Abhinav Agarwal, Shovan Dan, Maciej J. Winiarski, Orest Pavlosiuk, Piotr Wisniewski, Dariusz KaczorowskiTue, 10 Ma🔬 cond-mat.mtrl-sci

Machine Learning for Electrode Materials: Property Prediction via Composition

Diese Studie zeigt, dass das Machine-Learning-Framework CrabNet bei der Vorhersage von Eigenschaften von Batterieelektrodenmaterialien auf Basis der Zusammensetzung andere Modelle wie MODNet und einen Random-Forest-Ansatz übertrifft und somit ein vielversprechendes Werkzeug für die beschleunigte Entdeckung neuer Materialien darstellt.

Hao Wu, Cameron Hargreaves, Arpit Mishra, Gian-Marco RignaneseTue, 10 Ma🔬 cond-mat.mtrl-sci

Understanding halide segregation in metal halide perovskites through defect thermodynamics

Diese Studie nutzt Defektthermodynamik und erste-Prinzipien-Rechnungen, um zu zeigen, dass die Halogenid-Entmischung in metallischen Perowskiten durch die bevorzugte Besetzung von Oberflächenplätzen durch Bromidionen sowie die lokalisierte Oxidation von Iodidionen durch photoerzeugte Löcher getrieben wird, wobei die A-Seiten-Kationen eine entscheidende Rolle für die Stabilität spielen.

Abrar Fahim Navid, Zeeshan AhmadTue, 10 Ma🔬 cond-mat.mtrl-sci

Terahertz-nanoscale visualization of the microscopic spin-charge architecture of colossal magnetoresistive switching

Die Studie nutzt eine neuartige kryogene terahertz-Nahfeldmikroskopie, um erstmals die nanoskopische räumliche und spektrale Evolution des spin-ladung-gekoppelten Phasenübergangs bei der kolossalen Magnetowiderstandsschaltung in einem Manganit-Einkristall in Echtzeit sichtbar zu machen.

Samuel Haeuser, Randall K. Chan, Richard H. J. Kim, Joong-Mok Park, Martin Mootz, Thomas Koschny, Jigang WangTue, 10 Ma🔬 cond-mat.mes-hall

Melting behavior and dynamical properties of Cr2Ge2Te6 phase-change material

Die Studie nutzt ab-initio-Molekulardynamik-Simulationen, um den Schmelzprozess von Cr₂Ge₂Te₆ zu analysieren und zeigt, dass die Robustheit der Cr[Te₆]-Oktaeder bis zu hohen Temperaturen sowie deren kollektive Bewegung im unterkühlten flüssigen Zustand die schnelle Kristallisation für Phasenwechsel-Speicheranwendungen ermöglichen.

Suyang Sun, Yihui Jiang, Riccardo Mazzarello, Wei ZhangTue, 10 Ma🔬 cond-mat.mtrl-sci