2792 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 artículo demuestra que, en los materiales magnéticos blandos duros, la simetría del tensor de tensión de Cauchy depende de la descripción utilizada para la magnetización (referencial o actual), aunque ambas formulaciones producen divergencias idénticas y tensiones simétricas cuando el campo de magnetización alcanza su configuración de equilibrio energético.
Este artículo presenta una plataforma web de ciclo humano-inteligencia artificial que permite un análisis modular y adaptativo de imágenes de microscopía electrónica de transmisión para la caracterización automatizada de espesores y rugosidad de interfaces en películas delgadas, combinando la precisión de los algoritmos con la corrección interactiva humana para optimizar los flujos de trabajo de metrología en la fabricación de semiconductores.
Esta revisión aborda la necesidad de métodos de fabricación avanzados, como la manufactura aditiva, para superar las limitaciones de los procesos convencionales y permitir la producción escalable de placas bipolares con geometrías de canales de flujo intrincadas para las futuras celdas de combustible PEMFC.
Mediante cálculos de primeros principios, este estudio predice que el monocapa Janus Cr2SSe exhibe un efecto multipiezo sintonizable por tensión que permite la reversión selectiva de la polarización de valle y un efecto Hall de valle anómalo de canal de espín único, ofreciendo una base teórica para dispositivos de valletrónica y espintrónica de bajo consumo.
Este estudio compara el comportamiento espín-fonón de los materiales magnetocalóricos Fe₂P y FeMnP₀.₅₅Si₀.₄₅ mediante magnetometría, dispersión de neutrones y modelado teórico, revelando que la transición magnética es impulsada principalmente por los sitios de Fe₃g en Fe₂P y por una coexistencia de fases en el compuesto dopado, lo que confirma la existencia de un sistema de dos partes que impulsa el efecto magnetocalórico.
Este trabajo demuestra que el uso de retículos fractales inspirados en curvas de Koch y copos de Sierpinski permite un escalado exponencial de los estados de frontera topológicos, ofreciendo una nueva arquitectura de materiales para controlar la multiplicidad de modos robustos en plataformas fotónicas integradas.
Este artículo reporta el descubrimiento de superconductividad a una temperatura de transición de 16.3 K en el nuevo compuesto NaVSeO, un candidato altermagnético sin inversión de simetría que actúa como puente entre superconductores de alta temperatura y promete revelar nuevos fenómenos cuánticos.
Los autores reportan la observación experimental de la anisotropía magnetoquiral en la propagación de ultrasonidos en cuarzo , utilizando un espectrómetro de resolución sin precedentes y un modelo analítico macroscópico para explicar el efecto.
El artículo presenta Equitrain, un marco de ajuste fino basado en LoRA que mejora significativamente la precisión de los potenciales interatómicos de aprendizaje automático para predecir propiedades fonónicas y térmicas en diversos materiales, logrando resultados superiores con una cantidad mínima de datos adicionales.
Este artículo presenta un marco de aprendizaje automático basado en la alineación de distribuciones adversarias (ADA) que utiliza modelos generativos preentrenados con datos de simulación para cerrar la brecha entre simulaciones y experimentos, permitiendo recuperar distribuciones observables precisas en sistemas físicos complejos como proteínas.