4119 artículos
La ciencia de materiales y la física de la materia condensada exploran cómo se comportan las sustancias que nos rodean, desde los metales en nuestros edificios hasta los semiconductores en nuestros teléfonos. Esta disciplina busca entender las reglas que gobiernan la estructura y las propiedades de la materia, permitiendo el desarrollo de tecnologías más eficientes y sostenibles que transforman nuestra vida diaria.
En Gist.Science, procesamos cada nuevo preprint de este campo directamente desde arXiv para hacer que la investigación de vanguardia sea accesible a todos. Ofrecemos tanto resúmenes en lenguaje sencillo como análisis técnicos detallados, asegurando que expertos y curiosos por igual puedan comprender los avances más recientes sin barreras innecesarias.
A continuación encontrarás la selección más reciente de artículos en ciencia de materiales y materia condensada, listos para ser explorados y entendidos.
Este estudio demuestra la inyección y preservación de espín a temperatura ambiente en excitones-polaritones dentro de una microcavidad de plasmón de Tamm monolítica que incorpora haluros de perovskita 2D, donde la rápida decaimiento de los polaritones supera a los mecanismos de relajación de espín para permitir aplicaciones potenciales en láseres y conmutadores quirales.
Este estudio demuestra que la identificación de emisores de fotón único en nitruro de boro hexagonal mediante ADF-STEM de resolución atómica está fundamentalmente limitada por el espesor de la muestra (más allá de ~17 capas) y es susceptible a la identificación errónea debido al astigmatismo residual de tres veces, lo que hace que la técnica sea poco fiable para las láminas más gruesas utilizadas habitualmente en la investigación fotónica.
Este estudio demuestra que la introducción de defectos de Wadsley y desorden de metales de transición en ánodos de MoNb12O33 mejora significativamente la cinética de difusión de litio y la capacidad de alta tasa al activar vías de difusión rápida en niveles de litiación más bajos, según se confirmó mediante la combinación de caracterización experimental y simulaciones de dinámica molecular de aprendizaje automático.
Este estudio revela que las nanohojas de carburo de molibdeno (MoC) exhiben tiempos de vida de portadores significativamente más largos que otros carburos de metales de transición debido a las vías de decaimiento de fonones restringidas causadas por la gran diferencia de masa entre los átomos de Mo y C, ofreciendo una estrategia prometedora para mejorar el rendimiento de los dispositivos fototérmicos y fotovoltaicos mediante la utilización eficiente de portadores calientes.
Este estudio utiliza un modelo de Monte Carlo cinético para demostrar que, si bien el aumento del contenido de cromo en las aleaciones de FeCrAl suprime la difusión de vacantes —particularmente en las fases ricas en Cr inducidas por radiación—, un mayor contenido de hierro aumenta la movilidad de las vacantes, lo que podría mejorar la tolerancia a la radiación al promover la aniquilación de defectos.
Este artículo investiga cómo un término topológico de Chern-Simons no local en la pseudoelectrodinámica de Maxwell-Chern-Simons genera una masa dinámica y un gap de energía para las ondas electromagnéticas, induciendo una hibridación novedosa entre los modos de plasmón-polaritón de superficie eléctricos y magnéticos transversales que está ausente en la plasmónica planar convencional.
Este artículo demuestra que la selección de subconjuntos guiada por apalancamiento y libre de etiquetas de los pools de estructuras ASSYST puede reducir significativamente la carga de trabajo de etiquetado de DFT (en 2–3x) requerida para entrenar potenciales de Expansión de Clústeres Atómicos lineales precisos, manteniendo al mismo tiempo una fidelidad competitiva en energía, fuerza y nivel de defectos en comparación con el muestreo aleatorio y otras estrategias de referencia.
Este artículo aboga por un enfoque renovado en las mediciones precisas de la difusividad iónica en el desarrollo de materiales para baterías, destacando que las prácticas actuales a menudo descuidan la evaluación adecuada de la escala de longitud y que el rendimiento a nivel de celda puede divergir de los valores de difusividad intrínseca, lo que requiere mejores prácticas rigurosas para establecer relaciones significativas entre estructura y propiedad.
Este artículo presenta GQD-AdsNet, un marco de red neuronal de grafos entrenado con datos de la teoría del funcional de la densidad que predice de manera rápida y precisa las energías de adsorción de metales de transición en puntos cuánticos de grafeno, reduciendo los costos computacionales en seis órdenes de magnitud para permitir un cribado de catalizadores eficiente.
Este estudio establece una estrategia basada en datos para la ingeniería de la expansión térmica negativa sintonizable en redes metal-orgánicas mediante el uso de un flujo de trabajo acelerado por aprendizaje automático para cribar más de 12,000 estructuras, identificando motivos estructurales clave para una NTE fuerte que fueron posteriormente validados experimentalmente con un rendimiento récord en variantes de Ce-UiO-66.