2806 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 presenta un flujo de trabajo que combina cálculos *ab-initio* con una búsqueda guiada por aprendizaje automático para identificar compuestos de boro y carbono superconductores, incluyendo aquellos con modos de fonones imaginarios, y predice varios candidatos prometedores como CaBN con una temperatura crítica de 35 K.
Mediante el uso de dicroísmo magnético circular y lineal, este estudio caracteriza estados magnéticos complejos en el antiferromagneto CoTaS, revelando la coexistencia y transición de fases nematicas y quirales en su red triangular, y validando la eficacia de las técnicas ópticas polarizadas para resolver texturas magnéticas de múltiples-Q.
El artículo presenta un modelo de Chern universal definido sobre triangulaciones arbitrarias de superficies, el cual, al asignar resonadores o átomos artificiales a sus elementos geométricos, genera Hamiltonianos con brechas topológicas robustas y modos de borde que pueden implementarse en metamateriales físicos para aplicaciones del mundo real.
Este estudio emplea un potencial interatómico de aprendizaje automático para demostrar que, aunque las energías de migración de las vacantes de Ga y Al en las aleaciones AlGaN son relativamente insensibles a la composición, las energías de formación de pares de Frenkel de nitrógeno y las barreras de migración de los defectos puntuales de nitrógeno dependen fuertemente del entorno químico local y de la ruta de migración.
Este estudio calcula desde primeros principios los anchos de línea vibracional del hidrógeno quimisorbido en superficies de molibdeno y tungsteno, revelando que la acoplamiento electrón-fonón explica bien los modos con forma de Fano, pero que a altas coberturas las interacciones adsorbato-adsorbato se vuelven dominantes en la disipación de energía, superando a la excitación de pares electrón-hueco.
Los autores demuestran un oscilador de efecto Hall de espín basado en granate de hierro e itrio sustituido con galio (Ga:YIG) con anisotropía magnética perpendicular que permite la emisión de ondas de espín con frecuencia controlada por corriente y un ancho de banda extendido, ofreciendo una plataforma prometedora para la computación neuromórfica.
El artículo presenta MolCrystalFlow, un modelo generativo basado en flujo que predice estructuras de cristales moleculares al disociar la complejidad intramolecular del empaquetamiento intermolecular mediante la representación de moléculas como cuerpos rígidos en variedades riemannianas, logrando así un avance significativo en la generación de cristales periódicos.
Los autores presentan un enfoque de primeros principios para construir el Hamiltoniano Newns-Anderson mediante la diabolización de operadores de proyección sobre cálculos de DFT, validando su precisión para el hidrógeno quimisorbido en superficies de Al, Cu y Pt y demostrando que la aproximación de banda ancha es válida solo para el Al(111).
Este artículo defiende la integración de flujos de trabajo de inteligencia artificial y aprendizaje automático, junto con laboratorios autónomos, para optimizar el diseño de catalizadores y la ingeniería de reacciones químicas, creando un ciclo virtuoso de descubrimiento que acelera el desarrollo de procesos industriales sostenibles.
Este artículo demuestra que un marco de aprendizaje activo basado en optimización bayesiana mejora el control, la reproducibilidad y la comprensión física del crecimiento de óxidos correlacionados como LaVO mediante deposición por láser pulsado, identificando condiciones óptimas para películas de alta calidad y revelando mecanismos de formación de defectos en este proceso fuera de equilibrio.