3307 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 establece un marco sistemático de la teoría de Landau que trata al tensor del gradiente del campo eléctrico (EFG) como un parámetro de orden adaptado a la simetría, lo que permite la predicción de su respuesta lineal o cuadrática ante transiciones de fase estructural y valida estas predicciones mediante datos experimentales y cálculos de primeros principios.
Este artículo presenta un marco de diseño inverso para estructuras de kirigami anisotrópicas que utiliza la frustración geométrica controlada y el despliegue inducido por inestabilidad para lograr capacidades de cambio de forma biestables, programables, estables y sintonizables, validadas mediante simulaciones y experimentos.
Este artículo introduce un marco de Lippmann-Schwinger para modelar la dispersión de dos magnones a partir de potenciales de defectos débiles, demostrando que la dispersión está determinada por el solapamiento entre las perturbaciones de campo efectivas y los estados de ondas de espín degenerados, vinculando así la orientación cristalográfica con el ensanchamiento de la línea magnética en películas de granate de hierro.
Este artículo desarrolla un marco hamiltoniano restringido para cuantificar la hibridación fonón-magnón en CrI y CrBr, revelando una mezcla significativa (hasta un 25% en CrBr) y demostrando cómo el momento angular total se conserva mientras se comparte entre los subsistemas fonónicos y magnónicos hibridados.
Este artículo evalúa cuatro herramientas de código abierto para generar empaquetamientos representativos de partículas de polvo en 2D/3D frente a estándares industriales, revelando que, si bien los códigos del Método de Elementos Discretos (DEM) alcanzan las densidades de empaquetamiento más altas, los algoritmos secuenciales de caída y rodamiento ofrecen una alternativa computacionalmente eficiente con una precisión aceptable para muchas aplicaciones.
Este artículo presenta un método de la teoría del funcional de la densidad con restricción de ocupación y evitación de bandas (ba-occ-DFT) que supera el problema del brecha de banda cero en semiconductores de brecha estrecha como el arseniuro de indio (InAs), permitiendo predicciones precisas de los niveles de defectos atómicos a pesar del fallo de la DFT estándar al reproducir la brecha de banda experimental.
Este artículo presenta un marco de inversión bayesiana rápido y sin sustitutos para la reflectometría de neutrones que aprovecha gradientes exactos para permitir métodos de Monte Carlo Hamiltoniano y de Inferencia Variacional altamente eficientes, ofreciendo velocidades de cuantificación de incertidumbre y robustez de vanguardia para muestras complejas sin sacrificar la intuición física.
El artículo propone la Red de Grafos de Poliedros de Coordinación (CPGN), una red neuronal de grafos multiescala que modela explícitamente los niveles atómico, de enlace y de poliedro de coordinación mediante atención cruzada bidireccional para lograr una precisión de vanguardia en la predicción de propiedades cristalinas al capturar unidades estructurales fundamentales que a menudo pasan desapercibidas para los modelos existentes.
Este artículo presenta un marco de Monte Carlo cinético basado en red, flexible y escalable, para simular la epitaxia de haces moleculares de GaN que integra catálogos de energía de activación predefinidos con evaluaciones de barrera adaptativas y aprendidas mediante aprendizaje automático sobre la marcha para modelar con precisión fenómenos de crecimiento complejos como la formación de islas, el maduramiento de Ostwald y el desplazamiento de islas impulsado por la temperatura.
Mandala es un marco de red neuronal de grafos modular y E(3)-equivariante que cierra la brecha entre el aprendizaje automático y los cálculos de la estructura electrónica mediante el aprendizaje de operadores cuánticos de dispersión de bloques para predecir directamente observables electrónicos como las estructuras de bandas y las densidades de estados, complementando así los potenciales interatómicos de aprendizaje automático tradicionales.