4213 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.
Los autores presentan una estrategia de diseño molecular para lograr altermagnetismo sin metales en marcos orgánicos bidimensionales de panal, logrando una ruptura de simetría de inversión controlada que genera un fuerte acoplamiento antiferromagnético y una división de espín tipo onda-d, estableciendo así una vía hacia imanes orgánicos a temperatura ambiente.
Este artículo presenta un marco teórico que deriva una condición de estabilidad estática para cristales coloidales cargados, vinculando el acoplamiento electrostástico anisotrópico con la suavización preferencial de la respuesta acústica longitudinal a lo largo de direcciones cristalográficas específicas y proporcionando expresiones analíticas para predecir la inestabilidad homogénea en función de parámetros experimentales accesibles.
El artículo presenta *pyzentropy*, un paquete de código abierto en Python que implementa la entropía recursiva en termodinámica de primeros principios, demostrando su eficacia para reproducir el comportamiento Invar y otras propiedades termodinámicas del mediante el análisis de configuraciones magnéticas en superceldas.
Este estudio presenta la primera visualización tridimensional de dislocaciones en -GaO mediante topografía-tomografía de rayos X con efecto Borrmann, permitiendo separar claramente los defectos entre la capa epitaxial y el sustrato para comprender su impacto en dispositivos electrónicos.
Este estudio demuestra que las películas delgadas de NiCo2O4 exhiben un comportamiento de desmagnetización ultrarrápida de tipo II, caracterizado por una reducción inmediata de la señal magnética seguida de una componente intrínseca de ~5-6 ps, estableciendo a estos óxidos ferrimagnéticos sin tierras raras como plataformas prometedoras para investigar la dinámica de espín en escalas de tiempo ultrarrápidas.
El artículo presenta SWORD, una representación de cadenas basada en la simetría y las secuencias de Wyckoff que permite estandarizar, agrupar y eliminar duplicados de estructuras cristalinas ordenadas y desordenadas, facilitando así la evaluación de novedad y la curación de bases de datos de materiales para el diseño asistido por inteligencia artificial.
Este artículo ofrece una visión general de los métodos de informática de materiales impulsados por datos a través de las escalas nanoscópica, mesoscópica y micro-continua, destacando sus capacidades establecidas, los desafíos pendientes relacionados con la calidad de los datos y la incertidumbre, y el papel de las normas y herramientas emergentes para integrar estos enfoques de manera fiable.
Este estudio demuestra que la polarización ferroeléctrica permite controlar y conmutar reversiblemente la conductividad del efecto Hall orbital en aislantes topológicos de orden superior bidimensionales, como TlS y SnS, mediante el acoplamiento entre la polarización y la topología de banda.
Este estudio evalúa el impacto de las correcciones de dispersión en simulaciones *ab initio* de sales fundidas de fluoruro de los grupos I y II, revelando que, aunque tienen un efecto menor en las energías de enlace, son cruciales para predecir con precisión la densidad y la estructura local, especialmente en sales con cationes de alta densidad de carga como el BeF₂.
Este estudio presenta un marco de aprendizaje profundo basado en redes de densidad de mezclas que predice las fracciones de fase en aleaciones refractarias de múltiples elementos principales con cuantificación de incertidumbre, optimiza los conjuntos de características mediante análisis de importancia y emplea una estrategia de aprendizaje activo para descubrir nuevas aleaciones de alto rendimiento fuera del dominio de entrenamiento.