3499 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.
Diese theoretische Studie zeigt, dass das antiferromagnetische Van-der-Waals-Material FeTe unter einem angelegten Magnetfeld einen großen, temperatur- und feldstärkenabhängigen intrinsischen anomalen Hall-Effekt aufweist, der durch Berry-Krümmung verursacht wird und FeTe zu einer vielversprechenden Plattform für die Erforschung topologischer Quantentransportphänomene macht.
Die Studie stellt eine hocheffiziente und einfach anwendbare AFM-basierte Reinigungsmethode für zweidimensionale Materialien und Heterostrukturen vor, bei der eine mit einem Pt-Keil modifizierte Cantilever-Sonde die Reinigungsrate im Vergleich zu herkömmlichen Spitzen um den Faktor 300 erhöht und so die optische sowie elektrische Qualität der Proben signifikant verbessert.
Diese Studie stellt einen physikalisch interpretierbaren, datengestützten Rahmen vor, der mithilfe von symbolischer Regression und der Datenbank DigHyd zeigt, dass die Wasserstoffspeicherkapazität interstitieller Hydride durch geometrische Gitterparameter und die Wärmeleitfähigkeit bestimmt wird, während der Gleichgewichtsdruck durch elastische Eigenschaften wie den Schermodul und die Poisson-Zahl gesteuert wird, was gezielte Optimierungsstrategien für Materialien mit hoher Kapazität und praktischem Betriebsdruck ermöglicht.
Diese Studie nutzt HSE06-Funktional-Rechnungen, um die elektrischen Eigenschaften und Komplexbildungsmechanismen von Kupfer-defekten in Silizium aufzuklären und schlägt ein -Modell vor, um die Diskrepanzen zwischen Theorie und Experiment bezüglich des -Defekts zu erklären.
Diese Arbeit stellt ein autonomes System vor, das mithilfe von visuellem Reinforcement Learning Kristalle ohne menschliches Vorwissen an Laue-Diffraktogrammen ausrichtet und dabei effiziente, menschenähnliche Strategien entwickelt.
Diese Studie stellt einen energieeffizienten, auf Ag/HfZrO-Memristoren basierenden künstlichen Neuronen vor, der durch eine zweistufige Temperung optimiert wird und verschiedene Spiking-Funktionalitäten wie Leaky-Integrate-and-Fire-Verhalten in mehreren Codierungsmodi ohne zusätzlichen elektronischen Overhead demonstriert.
Diese Arbeit untersucht theoretisch die strukturellen, elektronischen und magnetischen Eigenschaften von zweidimensionalen Ilmenenen, wobei sie intrinsische antiferromagnetische Kopplungen, ferromagnetisches Verhalten bei bestimmten Übergangsmetallen und eine starke magnetokristalline Anisotropie aufdeckt, die diese Materialien für zukünftige Spintronik-Anwendungen vielversprechend macht.
Die Studie zeigt, dass die Berechnung von Exzitonenbindungsenergien in Festkörpern mittels TDDFT durch numerische Schwierigkeiten bei der Behandlung des langreichweitigen Coulomb-Singularterms begrenzt wird, was auf die Notwendigkeit einer verbesserten Beschreibung der Elektron-Loch-Wechselwirkung hinweist.
Die Studie nutzt erstmals von Femtosekundenlasern erzeugte Pikosekunden-Dehnungspulse, um den magnetischen Dimensionsübergang in CrSiTe₃ durch die Analyse der magnetoelastischen Kopplung und ultraschneller Ladungsträgerdynamik direkt nachzuweisen.
Die Autoren erweitern das Gaussian Approximation Potential um magnetische Freiheitsgrade, um einen effizienten Machine-Learning-Ansatz für die ab-initio-Spindynamik zu entwickeln, der die Potentialenergieoberfläche von Kristallen basierend auf Atomkoordinaten und nichtkollinearen magnetischen Momenten beschreibt und dabei eine hohe Genauigkeit bei der Vorhersage von Austauschfeldern für bcc-Eisen erreicht.