🔬 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.

Crystal Fractional Graph Neural Network for Energy Prediction of High-Entropy Alloys

Dieser Artikel schlägt ein kristallfraktionales Graph-Neuronales Netzwerk vor, das die Analyse lokaler atomarer Umgebungen mittels Graph-Aufmerksamkeitsmechanismen mit globalen Zusammensetzungsdaten kombiniert, um die Energie von Hochentropielegierungen präzise vorherzusagen, wobei auf einem Datensatz von über 1.000 Strukturen eine Genauigkeit auf dem Niveau von Erstprinzipien erreicht wird, während gleichzeitig die aktuellen Einschränkungen bei großen Kristallzellen anerkannt werden.

Takanori Kotama, Yang Huang2026-05-12🔬 physics

Rashba engineering at van der Waals interfaces

Diese Studie zeigt, dass die Grenzfläche zwischen epitaktisch gewachsenen Übergangsmetalldichalkogenid-(TMD)-Monolagen durch elektronische Hybridisierung die Engineering von Rashba-Spin-Aufspaltung und verstärkter THz-Spintronik-Emission ermöglicht und damit eine einstellbare Plattform für eine effiziente Spin-Ladungs-Konversion bietet.

Rahul Sharma, Soumya Mukherjee, Fatima Ibrahim, Gaétan Verdierre, Libor Vojáček, Martin Mičica, Sylvain Massabeau, Oliver Paull, Vincent Polewczyk, Nicola Marzari, Alain Marty, Isabelle Gomes de Morae (…)2026-05-12🔬 cond-mat.mes-hall

SLayerGen: a Crystal Generative Model for all Space and Layer Groups

Dieser Beitrag stellt SLayerGen vor, ein neuartiges generatives Modell, das die Erzeugung sowohl von Massenkristallen als auch von di-periodischen Materialien (wie z. B. 2D-Monoschichten) vereint, indem es durch eine hybride Architektur aus autoregressiver Gitterstichprobennahme und äquivarianter Diffusion Invarianz gegenüber allen Raum- und Schichtgruppen erzwingt und gleichzeitig neue Datensätze und Metriken bereitstellt, um die Entdeckung dieser zuvor unterrepräsentierten Materialsysteme voranzutreiben.

Rees Chang, Andrew Novick, Ryan P Adams, Elif Ertekin2026-05-12🔬 cond-mat.mtrl-sci

Emergent Quantum-Geometric Equivalence of Injection and Shift Currents

Dieser Artikel zeigt, dass Injektions- und Verschiebungsströme, die traditionell als unterschiedliche nichtlineare optische Antworten betrachtet werden, in Systemen mit linearer elektronischer Dispersion (wie Dirac- und Weyl-Halbmetallen) äquivalent werden, da beide durch dasselbe interbandquanten-geometrische Dipolmoment bestimmt sind, wodurch ein vereinheitlichter Rahmen für die Interpretation dieser Phänomene geschaffen wird.

Mohammad Yahyavi, Tay-Rong Chang, Md Shafayat Hossain, Arun Bansil, Naoto Nagaosa, Guoqing Chang2026-05-12🔬 cond-mat.mes-hall

Thermodynamic Approach for Deciphering Magneto-Structural Phase Transitions: Proof of Concept in Heusler Alloys

Dieser Beitrag stellt ein neuartiges thermodynamisches Rahmenwerk vor, das das Zusammenspiel zwischen strukturellen Übergängen und Spin-Austausch-Parametern analysiert, um charakteristische Temperaturen präzise zu bestimmen und drei verschiedene magnetostrukturelle Transformationsverhalten in Cu-dotierten Ni-Mn-Ga-Heusler-Legierungen mithilfe standardmäßiger Magnetisierungsdaten zu klassifizieren.

Eleonora Rusconi, Lorenzo Gallo, Victor A. L'vov, Anna Kosogor, Simone Fabbrici, Giovanna Trevisi, Francesco Cugini, Massimo Solzi, Thomas Schrefl, Franca Albertini2026-05-12🔬 cond-mat.mtrl-sci

CrystalREPA: Transferring Physical Priors from Universal MLIPs to Crystal Generative Models

CrystalREPA ist ein Plug-and-Play-Framework, das die Stabilität, Validität und Genauigkeit generierter Kristalle verbessert, indem es Repräsentationen generativer Modelle durch ein kontrastives Lernziel mit eingefrorenen universellen maschinellen Lern-Interatompotentialen (MLIPs) abgleicht und dabei aufzeigt, dass die Effektivität eines MLIPs für Transferaufgaben stärker von seiner Repräsentationsunterscheidbarkeit abhängt als von seinen Standardgenauigkeitsbenchmarks.

Chengqian Zhang, Yucheng Jin, Duo Zhang, Tiejun Li, Han Wang2026-05-12🔬 cond-mat.mtrl-sci

Impact of the non-canonical approach to the exact solution of the ideal one-dimensional electron gas confined with an anisotropic quantum wire of oscillator-shaped profile

Dieser Artikel präsentiert eine exakte analytische Lösung für ein ideales ein-dimensionales Elektronengas, das in einem anisotropen, oszillatorförmigen Quantendraht mit ortsabhängiger effektiver Masse eingeschlossen ist, und leitet Wellenfunktionen und Energiespektren sowohl über kanonische als auch über nicht-kanonische Ansätze unter Verwendung von Laguerre- und Gegenbauer-Polynomen her.

E. I. Jafarov, S. M. Nagiyev, J. Van der Jeugt2026-05-12🔢 math-ph

Systematic Fine-Tuning of MACE Interatomic Potentials for Catalysis

Diese Arbeit bewertet systematisch neun MACE-basierte, maschinell erlernte interatomare Potentiale für die Katalyse und zeigt, dass zwar das Training von Grund auf von spezifischen Hoch-Energie-Sampling-Strategien profitiert, die Feinabstimmung großer Basismodelle jedoch eine überlegene Robustheit und Genauigkeit über eine Vielzahl metallischer und oxidischer Katalysatoren hinweg bietet, einschließlich herausfordernder Reaktionen außerhalb der Trainingsverteilung.

Nima Karimitari, Jacob Clary, Derek Vigil-Fowler, Ravishankar Sundararaman, Gábor Csányi, Christopher Sutton2026-05-12🔬 cond-mat.mtrl-sci