2858 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 reporta el diseño y la caracterización de dos nuevos perovskitas híbridas laminares 2D, (C15H16N)2CdCl4 y ((Br)C15H15N)2CdCl4, que exhiben rendimientos cuánticos de fotoluminiscencia récord originados de sus cationes orgánicos de trans-estilbeno, demostrando su potencial para aplicaciones eficientes de detección de radiación y centelleo.
Este estudio demuestra que la implantación iónica induce una transición metal-aislante en películas delgadas epitaxiales de ScN a través de un proceso de acumulación de daños de dos etapas que involucra aceptores de defectos aislados a dosis bajas y defectos puntuales de localización de portadores a dosis altas, donde el umbral de transición y la fuerza de localización dependen críticamente de la calidad inicial de la película y del sustrato.
Este artículo desarrolla un modelo de ecuación maestra cuántica unificado para analizar y comparar sistemáticamente la eficiencia de los OLED de microcavidad a través de los regímenes de acoplamiento luz-materia débil y fuerte, con el objetivo de identificar la estrategia óptima para superar limitaciones de rendimiento como el roll-off de eficiencia.
Este artículo introduce una extensión dinámica de la expansión de alta temperatura para computar con precisión el factor de estructura dinámico para sistemas de espín cuántico frustrados, comparando exitosamente el método en varios modelos y reproduciendo datos experimentales para el material de pirocloro de S=1 NaCaNi2F7.
Este artículo extiende las expansiones de series de alta temperatura a los correladores de espín de Matsubara dinámicos para modelos de Heisenberg, proporcionando coeficientes de expansión exactos precomputados hasta el orden 12 para redes arbitrarias para permitir el cálculo de susceptibilidades estáticas y factores de estructura dinámica de frecuencia real.
Este artículo presenta un marco teórico invariante de calibre para calcular la densidad promedio de electrones de Bloch en un campo magnético homogéneo hasta segundo orden, revelando que mientras la respuesta lineal para los aislantes sigue la fórmula de Streda, los metales exhiben una contribución adicional de la superficie de Fermi proveniente de los momentos magnéticos orbitales, y la respuesta de segundo orden está significativamente influenciada por el tensor métrico cuántico que genera un pseudomomento magnético.
Este estudio estabiliza con éxito niquelatos de bicapa con iones del sitio A más pequeños mediante la ingeniería de entropía, revelando que la presión química resultante potencia las distorsiones estructurales y el acoplamiento entre capas, lo cual proyecta una temperatura de transición superconductora que supera los 100 K.
Este artículo presenta PVK-LLM, un marco de trabajo guiado por conocimiento de dominio que integra Modelos de Lenguaje de Gran Escala con Optimización Bayesiana jerárquica para descubrir autónomamente una nueva receta de celda solar de perovskita de alta eficiencia que alcanza más del 26,0% de eficiencia de conversión de potencia, superando así las limitaciones de los LLM generales al navegar en espacios complejos de diseño de materiales.
Este estudio emplea un marco de dinámica molecular de aprendizaje automático basado en Potencial Profundo para revelar que los electrolitos de LiTFSI de alta concentración inducen un crecimiento de la SEI rápido y derivado de los aniones con una estabilidad superior en comparación con las interfases más lentas y dominadas por LiF formadas en sistemas de menor concentración o basados en LiPF6, proporcionando así conocimientos de precisión cuántica sobre los mecanismos de nucleación de la SEI dependientes del electrolito en baterías de litio metálico.