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.

Atomic-Scale Detection of Néel Vector Switching in the Single-Layer A-type Antiferromagnet Cr2S3-2D

Die Studie identifiziert Cr₂S₃-2D als ersten einlagigen A-Typ-Antiferromagneten, bei dem eine durch Substratwechselwirkung verursachte leichte Momentenungleichheit eine netto Magnetisierung und damit die atomare Detektion der Néel-Vektor-Umschaltung ermöglicht.

Affan Safeer, Calisa Dias, Mahdi Ghorbani-Asl, Abdallah Karaka, Pradyumna Bawankule, Weibin Li, Pierluigi Gargiani, Wouter Jolie, Arkady V. Krasheninnikov, Amilcar Bedoya-Pinto, Thomas Michely, Jeison (…)2026-04-09🔬 cond-mat.mes-hall

Determining the Free-Carrier Fraction in 2D Perovskites using Power Dependent Photoluminescence

Die Studie stellt eine quantitative Methode vor, die auf der Leistung-abhängigen Photolumineszenz und der Saha-Gleichung basiert, um den Anteil freier Ladungsträger in 2D-Perowskiten präzise zu bestimmen und dabei die Grenzen klassischer Potenzgesetze sowie den Einfluss unrealistischer Anregungsdichten auf die Interpretation angeregter Zustände aufzeigt.

Antonella Cutrupi, Marc Melendez Schofield, Raquel Utrera-Melero, Michel Frising, Enrique Arevalo Rodriguez, Upasana Das, Ferry Prins2026-04-09🔬 cond-mat.mtrl-sci

Physics-Informed 3D Atomic Reconstruction and Dynamics of Free-Standing Graphene from Single Low-Dose TEM Images

Diese Studie stellt einen physikbasierten Rechenrahmen vor, der aus einzelnen TEM-Bildern mit niedriger Strahlendosis die dreidimensionale Atomgeometrie und Echtzeit-Dynamik freistehenden Graphens mit sub-Ångström-Genauigkeit rekonstruiert und so einen direkten Zusammenhang zwischen subatomaren Strukturfluktuationen und elektronischen Eigenschaften aufzeigt.

Xiaojun Zhang, Shih-Wei Hung, Yawei Wu, Jyh-Pin Chou, Angus I. Kirkland, Roar Kilaas, Fu-Rong Chen2026-04-09🔬 cond-mat.mtrl-sci

Symmetry-protected four double-Weyl fermions and their topological phase transitions in nonmagnetic crystals

Diese Arbeit identifiziert 28 Raumgruppen, die genau vier symmetriegeschützte Doppel-Weyl-Punkte erlauben, schlägt den Kohlenstoff-Allotrop THRLN-C₃₂ als ideales Material vor und beschreibt, wie externe Dehnung topologische Phasenübergänge zu exotischen Weyl-Komplexen, konventionellen Weyl-Punkten oder trivialen Isolatoren auslöst.

Yun-Yun Bai, Ke-Xin Pang, Yan Gao2026-04-09🔬 cond-mat.mtrl-sci

Improved Implementation of Approximate Full Mass Matrix Inverse Methods into Material Point Method Simulations

Diese Arbeit stellt eine überarbeitete Implementierung der approximativen inversen Massenmatrix-Methoden (FMPM) für die Materialpunktmethode vor, die nicht nur den Berechnungsablauf vereinfacht, sondern auch die Kompatibilität mit anderen MPM-Funktionen wie Randbedingungen und Kontaktberechnungen sicherstellt, während gleichzeitig Stabilitätsprobleme bei hohen Ordnungsstufen und der Rechenaufwand analysiert werden.

John A. Nairn2026-04-09🔬 cond-mat.mtrl-sci

Explicit Electric Potential-Embedded Machine Learning Framework: A Unified Description from Atomic to Electronic Scales

Die Autoren stellen ein einheitliches maschinelles Lern-Framework vor, das durch die Komponenten Hy-DFT, PE-MACE und PE-EDP die simultane Vorhersage von atomaren Kräften und Elektronendichteverteilungen unter beliebigen elektrischen Potenzialen ermöglicht und so präzise, großskalige Simulationen elektrochemischer Grenzflächen erlaubt.

Jingwen Zhou, Yawen Yu, Xuwei Liu, Chungen Liu2026-04-09🔬 cond-mat.mtrl-sci