🔬 Category

cond-mat.mtrl-sci

4941 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.

🔬 Materialwissenschaft

Magneto-optical Kerr spectroscopy of exciton Rydberg states in a magnetic van der Waals heterostructure

Diese Studie zeigt, dass die wellenlängenaufgelöste magneto-optische Kerr-Spektroskopie einer MoSe2_2/Fe3_3GaTe2_2 Van-der-Waals-Heterostruktur eine durch Proximity-Effekte induzierte magnetische Symmetriebrechung über sowohl die A- als auch die B-Exzitonen-Manigfaltigkeiten offenbart, wobei durch kombinierte experimentelle und theoretische Analyse verstärkte Resonanzen im Grundzustand und in den 2s-Rydberg-Zuständen identifiziert werden.

Astha Khandelwal, Benran Zhang, Madhusmita Jena, Zhenchao Wen, Kenji Watanabe, Takashi Taniguchi, Saroj P. Dash, Zhenglu (…)2026-09-29
🔬 Materialwissenschaft

Quantum-Geometric Amplification of Nonperturbative Interaction Scales

Diese Arbeit zeigt, dass die singuläre Quantengeometrie eines zweidimensionalen quadratischen Bandberührungspunkts als asymptotischer Verstärker fungiert, der exponentiell kleine nichtperturbative Interaktionsskalen in algebraisch verstärkte Antworten sowohl in der Quantenmetrik als auch in den optischen Summenregeln umwandelt.

Stefano Bilamour, René Meyer, Johanna Erdmenger, Domenico Di Sante2026-09-29
🔬 Materialwissenschaft

High-Throughput Imaging of Degradation-Inducing Microscopic Impurities in Perovskite Solar Cells

Diese Studie etabliert ein praktisches, hochdurchsatzfähiges Diagnoserahmenwerk, das Nano-Fourier-Transformations-Infrarotspektroskopie mit maschinellem Lernen-gestützter optischer Bildgebung kombiniert, um mikroskopische Verunreinigungen in Perowskit-Solarzellen schnell zu identifizieren und zu quantifizieren, wobei diese Defekte als kritische Keimstellen für die Degradation aufgedeckt werden und somit ein frühes Stabilitäts-Screening für die skalierbare Bauteilfertigung ermöglichen.

Sofiia Kosar, Anil R. Pininti, Vladyslav Hnapovskyi, José P. Jurado, Subhashri Mannar, Lorenzo Mardegan, Anand S. Subbia (…)2026-09-29
🔬 Materialwissenschaft

Ultra-high vacuum Raman platform for in situ characterization of graphene nanoribbons

Diese Arbeit präsentiert einen selbst gebauten Ultrahochvakuum-Raman-Koffer (RVS), der die *in situ*-Charakterisierung von luftempfindlichen, atomgenau definierten Graphen-Nanobändern ermöglicht, indem er deren Oxidation verhindert und eine Echtzeitüberwachung ihrer Wachstumskinetik, Lattikendynamik und kanten-spezifischen chemischen Reaktivität unter kontrollierten thermischen und gasförmigen Umgebungen erlaubt.

Jeong Ha Hwang, Amogh Kinikar, Lukas Rotach, Andres Ortega-Guerrero, Carlo A. Pignedoli, Klaus Muellen, Thorsten G. Engl (…)2026-09-29
🔬 Materialwissenschaft

AI-Assisted Identification of Magnetic Orders and Skyrmions

Diese Arbeit präsentiert ein Framework des maschinellen Lernens, das strukturelle, kompositorische und elektronische Deskriptoren nutzt, um magnetische Ordnungen präzise zu klassifizieren und die Magnetisierung in 2D-Materialien vorherzusagen, wodurch das effiziente Screening von Kandidaten für spintronische Anwendungen sowie die Identifizierung von Skyrmion-ähnlichen Merkmalen ermöglicht wird.

Haowen Yang, Sophia Huerta, Yingying Wu2026-09-29
🔬 Materialwissenschaft

Density functional perturbation theory of meta-generalized gradient approximations using algorithmic differentiation

Diese Arbeit präsentiert eine auf algorithmischer Differenzierung basierende Implementierung der Dichtefunktional-Störungstheorie für meta-verallgemeinerte Gradientennäherungen, welche die effiziente Berechnung beliebiger Antworteigenschaften ermöglicht und die gradientenbasierte Optimierung neuartiger Austausch-Korrelations-Funktionale erleichtert.

Bruno Ploumhans, Niklas Frederik Schmitz, Michael F. Herbst2026-09-29
🔬 Materialwissenschaft

Bounding Retraining Equivalence and the Deletion Floor in Materials Machine Unlearning

Diese Arbeit adressiert die Ambiguität der Genauigkeit nach dem Löschen im Bereich des maschinellen Lernens für Materialien, indem sie eine „Löschuntergrenze“ (deletion floor) basierend auf der Retraining-Äquivalenz definiert, theoretische Schranken etabliert, die niedrige Löschuntergrenzen mit der Redundanz der verbleibenden Daten verknüpfen, und empirisch nachweist, dass Evaluierungen des Unlearnings auf Anfrage-Ebene gemeinsam den Referenzverlust, die Änderung der Vorhersage und den erhaltenen Nutzen angeben müssen, um zwischen effektivem Unlearning und bloßer Datenunterdrückung zu unterscheiden.

Can Polat, Mustafa Kurban, Erchin Serpedin, Hasan Kurban2026-09-29
🔬 Materialwissenschaft

Catalogue of Collinear Magnetic Structures in Stoichiometric Materials

Diese Arbeit präsentiert einen umfassenden computergestützten Katalog von 365.639 symmetrieerlaubten kollinearen magnetischen Strukturen für über 72.000 stöchiometrische Materialien unter Nutzung von Spin-Raumgruppen und deren maximalen Untergruppen, wobei letztlich tausende neue magnetische topologische Materialien identifiziert werden, um die experimentelle Charakterisierung und Anwendungen in der Spintronik zu leiten.

Liangliang Huang, Houhao Wang, Yuanze Song, Ruixi Pu, Xiangang Wan, Feng Tang2026-09-29
🔬 Materialwissenschaft

Understanding and Mitigating Distribution Shifts For Machine Learning Force Fields

Diese Arbeit identifiziert gängige Verteilungsschifts, die die Generalisierung von maschinellen Lernkraftfeldern (MLFFs) behindern, und schlägt zwei kosteneffiziente Strategien zur Verfeinerung zur Testzeit vor, die auf Spektraler Graphentheorie und zusätzlichen physikalischen Zielsetzungen basieren, um Fehler bei Out-of-Distribution-Systemen signifikant zu reduzieren, ohne teure Ab-initio-Labels zu benötigen.

Tobias Kreiman, Aditi S. Krishnapriyan2026-09-28
🔬 Materialwissenschaft

Exact eigenvalues and experimental signatures of Heisenberg-Kitaev interactions in spin-1/2 quantum clusters

Diese Arbeit präsentiert exakte analytische Lösungen für Spin-1/2-Quantencluster mit Heisenberg-Kitaev-Wechselwirkungen und zeigt auf, dass der Kitaev-Term distinkte thermodynamische Signaturen wie eine zweite Schottky-Anomalie und nichtlineare magnetische Antworten induziert, wodurch robuste experimentelle Methoden zur Detektion dieser Wechselwirkungen sowohl in molekularen Magneten als auch in ausgedehnten Gittersystemen angeboten werden.

Evan M. Wilson, Jian-Xin Zhu, Jason T. Haraldsen2026-09-28