2794 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 que la flexibilidad estructural de los sitios de catalizadores de átomos individuales, y no solo su configuración electrónica, determina su reactividad al permitir un fortalecimiento del enlace de retro-donación en sitios Fe-N₃ frente a Fe-N₄.
Este artículo presenta una herramienta de simulación con condiciones de frontera periódicas que aplica cizalladura en ángulos variables para revelar cómo las inestabilidades en sólidos desordenados forman líneas en el espacio de fases, interactúan entre sí y generan un aumento de hysterons diminutos a medida que el ángulo de deformación se acerca al punto donde la inestabilidad desaparece.
Este artículo presenta los imanes ferroaxiales, una nueva clase de materiales multiferroicos que rompen la simetría de espejo mediante orden magnético sin violar la inversión temporal, identificando candidatos metálicos y proponiendo un efecto Hall no lineal de tercer orden como prueba directa para aplicaciones en espintrónica.
Este artículo presenta un nuevo marco experimental y analítico que combina la susceptibilidad magnética de CA y el efecto magnetocalórico de CA para estudiar la dinámica de relajación espín-red en YbVO₄, permitiendo distinguir con precisión entre causas internas y externas de la respuesta magnética mediante un análisis unificado de circuitos térmicos.
Este trabajo investiga la entrelazamiento y las correlaciones entre excitones, electrones y huecos en sistemas unidimensionales bajo diferentes perfiles de interacción y localización, validando el uso de la teoría de perturbaciones de muchos cuerpos en regímenes de interacción y ofreciendo un marco general para analizar las fases de entrelazamiento excitónico.
Este trabajo presenta LumPerNet, un marco de aprendizaje profundo que cuantifica la retención de eficiencia en celdas solares de perovskita mediante el análisis de series temporales de imágenes de luminiscencia multimodal, permitiendo una evaluación no invasiva y acelerada de la degradación del dispositivo.
El estudio revela que, bajo alta triaxialidad de tensión, los vidrios exhiben una respuesta hiperelástica no lineal con microcavidades reversibles que, al volverse irreversibles, actúan como sitios de nucleación para la falla por cavitación, un comportamiento que difiere cualitativamente de su respuesta bajo baja triaxialidad y que es universal entre distintos formadores de vidrio.
Mediante espectroscopía de ruido de STM a frecuencias de MHz, los investigadores demostraron que la ionización de donantes individuales en InAs es un proceso dinámico no equilibrado impulsado por el campo eléctrico local, revelando fluctuaciones de carga nanosegundos invisibles en mediciones promediadas y estableciendo un mecanismo universal de ruido de carga relevante para dispositivos cuánticos.
Este estudio demuestra que los metamateriales mecánicos multistables pueden aprovechar las ondas de transición para lograr simultáneamente una amortiguación mejorada mediante la captura de energía en ubicaciones específicas y la cosecha de energía de impactos, superando el rendimiento de los sistemas lineales.
El artículo presenta QMatSuite, una plataforma de código abierto que transforma a los agentes de IA en investigadores expertos al consolidar el conocimiento científico mediante el registro, la recuperación y la reflexión sobre hallazgos previos, logrando así una reducción significativa en la sobrecarga de razonamiento y una precisión cercana a la literatura en simulaciones computacionales de materiales.