🔬 Category

cond-mat.mtrl-sci

4119 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.

🔬 materials science

Crystal forming ability of amorphous refractory metals under nanoindentation: a molecular dynamics study

Diese Molekulardynamik-Studie zeigt, dass amorphe refraktäre Metalle (V, Nb, Mo, Ta, W) während der Nanoindentation eine schergetriebene Volumenkeimbildung und ein Wachstum durchlaufen, um in bcc-Kristalle zu transformieren, wobei ihre Kristallisationsfähigkeit von V nach W abnimmt und invers mit der Indentationsgeschwindigkeit skaliert, was darauf hindeutet, dass die Transformationsrate durch die Kohäsionsbindungsstärke und nicht durch die thermodynamische Triebkraft bestimmt wird.

Prashant Dwivedi, Alberto Fraile, Tomas Polcar2026-07-30
🔬 materials science

Structure-Property Correlation of Cr/Cu-MnFeCoNi High-Entropy Alloys for Alkaline Water Electrolysis

Diese Studie zeigt, dass der Ersatz von Cr durch Cu in MnFeCoNi-basierten Hochentropie-Legierungen die bifunktionale alkalische Wasserelektrolyse-Leistung signifikant verbessert, indem die elektronische Struktur für eine günstige Bindung von Zwischenprodukten moduliert und eine dynamische Cu-reiche Oberflächenrekonstruktion während der Sauerstoffentwicklungsreaktion induziert wird.

Shreyasi Chattopadhyaya, Raphael B. de Oliveira, Deepti Gangwar, Tymofii S Pieshkov, Marcelo L. Pereira Junior, Dhiman B (…)2026-07-30
🔬 materials science

The electric field gradient tensor as a symmetry-adapted order parameter in Landau theory

Diese Arbeit etabliert einen systematischen Landau-Theorie-Rahmen, der den elektrischen Feldgradienten-Tensor (EFG-Tensor) als einen symmetrieadaptierten Ordnungsparameter behandelt, wodurch die Vorhersage seiner linearen oder quadratischen Antwort auf strukturelle Phasenübergänge basierend auf irreduziblen Darstellungen ermöglicht und diese Vorhersagen durch experimentelle Daten sowie First-Principles-Berechnungen validiert wird.

L. Scalise, A. W. Carbonari2026-07-30
🔬 applied physics

Two-magnon scattering in the framework of the Lippmann-Schwinger equation

Diese Arbeit führt ein Lippmann-Schwinger-Framework zur Modellierung der Zwei-Magnonen-Streuung aus schwachen Defektpotentialen ein und zeigt auf, dass die Streuung durch das Überlapp zwischen effektiven Feldstörungen und entarteten Spinwellenzuständen bestimmt wird, wodurch die kristallographische Orientierung mit der magnetischen Linienbreitenverbreiterung in Eisen-Granat-Filmen verknüpft wird.

Jorge Marquez Chavez, Ondřej Wojewoda, Yixuan Song, Geoffrey S. D. Beach, Caroline A. Ross2026-07-30
🔬 materials science

Theory of phonon-magnon hybridization and angular momentum in CrI3_3 and CrBr3_3

Diese Arbeit entwickelt ein eingeschränktes Hamiltonian-Framework zur Quantifizierung der Phonon-Magnon-Hybridisierung in CrI3_3 und CrBr3_3, wobei eine signifikante Mischung (bis zu 25 % in CrBr3_3) aufgezeigt wird und demonstriert wird, wie der Gesamtdrehimpuls erhalten bleibt, während er zwischen den hybridisierten phononischen und magnonischen Subsystemen aufgeteilt wird.

Maxime Mignolet, Miquel Royo, Massimiliano Stengel, Matthieu J. Verstreate2026-07-30
🔬 materials science

Generation of representative powder particle packing in 2D/3D: which tool for which application?

Dieses Paper bewertet vier Open-Source-Werkzeuge zur Generierung repräsentativer 2D/3D-Pulverpartikelpackungen gegenüber Industriestandards und zeigt auf, dass während Discrete-Element-Method-Codes (DEM) die höchsten Packungsdichten erreichen, sequentielle Drop-and-Roll-Algorithmen eine recheneffiziente Alternative mit akzeptabler Genauigkeit für viele Anwendungen bieten.

Antoine Tainturier, Louis Lemarquis, Victor Szczepan, Marc Bernacki2026-07-30
🔬 materials science

No band gap, no problem: Defects in InAs using a band-avoiding occupation-constrained density functional theory

Diese Arbeit stellt eine bandvermeidende, besetzungsbeschränkte Dichtefunktionaltheorie-Methode (ba-occ-DFT) vor, die das Null-Bandlücken-Problem in Halbleitern mit schmaler Bandlücke wie Indiumarsenid (InAs) überwindet und dadurch präzise Vorhersagen von atomaren Defektniveaus ermöglicht, obwohl die Standard-DFT daran scheitert, die experimentelle Bandlücke zu reproduzieren.

Peter A. Schultz, Arthur H. Edwards, Evan M. Anderson, Anthony C. Knighton, Leopoldo Diaz2026-07-30
🔬 materials science

Towards real-time surrogate-free Bayesian inversion for neutron reflectometry

Dieses Paper stellt ein schnelles, surrogatfreies Bayessches Inversionsverfahren für die Neutronenreflektometrie vor, das exakte Gradienten nutzt, um hocheffiziente Hamiltonian-Monte-Carlo- und Variational-Inference-Methoden zu ermöglichen und damit eine erstklassige Geschwindigkeit bei der Quantifizierung von Unsicherheiten sowie Robustheit für komplexe Proben bietet, ohne dabei an physikalischer Intuition einzubüßen.

Max D. Champneys, Andrew J. Parnell, Philipp Gutfreund, Maximilian W. A. Skoda, Patrick A. Fairclough, Timothy J. Rogers (…)2026-07-29
🔬 materials science

Dual-Level Atomic and Coordination Geometry Learning for Crystal Property Prediction Using Graph Neural Networks

Das Papier schlägt das Coordination Polyhedron Graph Network (CPGN) vor, ein mehrskaliges Graph-Neural-Network, das die Ebenen der Atome, Bindungen und Koordinationspolyeder explizit durch bidirektionale Cross-Attention modelliert, um durch das Erfassen fundamentaler Struktureinheiten, die von bestehenden Modellen oft übersehen werden, eine erstklassige Genauigkeit bei der Vorhersage von Kristall-Eigenschaften zu erreichen.

Sanjay Chakraborty2026-07-29