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.

🔬 materials science

Emergent superconductivity at 16.3 K in an altermagnetic candidate Na2−x_{2-x}V2_2Se2_2O with broken inversion symmetry

Este artículo reporta el descubrimiento de superconductividad a una temperatura de transición de 16.3 K en el nuevo compuesto Na2−x_{2-x}V2_2Se2_2O, un candidato altermagnético sin inversión de simetría que actúa como puente entre superconductores de alta temperatura y promete revelar nuevos fenómenos cuánticos.

Y. Sun, Z. Yin, T. Zhang, L. Wang, B. Ruan, Y. Huang, J. He, W. Zhu, M. Ma, J. Bai, J. Cheng, Q. Dong, C. Li, P. Liu, Q. (…)2026-04-02
🔬 materials science

Parameter-Efficient Fine-Tuning of Machine-Learning Interatomic Potentials for Phonon and Thermal Properties

El artículo presenta Equitrain, un marco de ajuste fino basado en LoRA que mejora significativamente la precisión de los potenciales interatómicos de aprendizaje automático para predecir propiedades fonónicas y térmicas en diversos materiales, logrando resultados superiores con una cantidad mínima de datos adicionales.

Jonas Grandel, Philipp Benner, Janine George2026-04-02
🧬 biology

Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment

Este artículo presenta un marco de aprendizaje automático basado en la alineación de distribuciones adversarias (ADA) que utiliza modelos generativos preentrenados con datos de simulación para cerrar la brecha entre simulaciones y experimentos, permitiendo recuperar distribuciones observables precisas en sistemas físicos complejos como proteínas.

Kai Nelson, Tobias Kreiman, Sergey Levine, Aditi S. Krishnapriyan2026-04-02
🔬 optics

Localized Energy States Induced by Atomic-Level Interfacial Broadening in Heterostructures

El estudio presenta un marco teórico y experimental que demuestra que el ensanchamiento interfacial a nivel atómico en superredes de SiGe/Si induce estados de energía localizados, los cuales generan nuevas transiciones ópticas entre 2 y 2.5 eV y permiten caracterizar no destructivamente la calidad de la interfaz.

Anis Attiaoui, Gabriel Fettu, Samik Mukherjee, Matthias Bauer, Oussama Moutanabbir2026-04-01
🔬 materials science

Time-dependent global sensitivity analysis of the Doyle-Fuller-Newman model

Este artículo presenta un nuevo marco para el análisis de sensibilidad global de salidas dependientes del tiempo en el modelo Doyle-Fuller-Newman, permitiendo identificar parámetros poco sensibles en simulaciones de ciclos de conducción y evaluar el error del modelo al fijar dichos parámetros a valores arbitrarios.

Elia Zonta, Ivana Jovanovic Buha, Michele Spinola, Christoph Weißinger, Hans-Joachim Bungartz, Andreas Jossen2026-04-01
🔬 materials science

Accelerated Design of Mechanically Hard Magnetically Soft High-entropy Alloys via Multi-objective Bayesian Optimization

Este estudio utiliza un marco de optimización bayesiana multiobjetivo con un modelo sustituto de conjunto y una estrategia de muestreo eficiente para diseñar aleaciones de alta entropía que superen el compromiso tradicional entre dureza mecánica y propiedades magnéticas blandas, identificando composiciones óptimas para la próxima generación de materiales.

Mian Dai, Yixuan Zhang, Weijia He, Chen Shen, Xiaoqing Li, Stephan Schönecker, Liuliu Han, Ruiwen Xie, Tianhang Zhou, Ho (…)2026-04-01
🔬 materials science

Evaluation of Foundational Machine Learned Interatomic Potentials for Migration Barrier Predictions

Este estudio evalúa la precisión de cinco potenciales interatómicos aprendidos por máquina fundamentales (MACE-MP-0, Orb-v3, SevenNet, CHGNet y M3GNet) para predecir barreras de migración iónica y geometrías en materiales de baterías, destacando que modelos como MACE-MP-0 y Orb-v3 ofrecen errores mínimos y una clasificación efectiva de conductores iónicos, aunque la precisión en la energía no se correlaciona necesariamente con la exactitud geométrica.

Achinthya Krishna Bheemaguli, Penghao Xiao, Gopalakrishnan Sai Gautam2026-04-01
🔬 physics

Effect of uniaxial compressive stress on polarization switching and domain wall formation in tetragonal phase BaTiO3 via machine learning potential

Este estudio utiliza un potencial de aprendizaje automático para demostrar que la tensión compresiva uniaxial induce un cambio crítico de polarización de 90° en BaTiO3 a unos 120 MPa, reduciendo la energía de activación para la formación de paredes de dominio y modificando el comportamiento de histéresis, lo que ofrece perspectivas atómicas para el diseño de dispositivos ferroeléctricos controlados por tensión.

Po-Yen Chen, Teruyasu Mizoguchi2026-04-01
🔬 materials science

Controlling Mixed Mo/MoS2_2 Domains on Si by Molecular Beam Epitaxy for the Hydrogen Evolution Reaction

Este estudio demuestra que el control de la estequiometría del azufre y la cinética de crecimiento mediante epitaxia de haces moleculares permite ingeniería de defectos en películas de MoS2_2 sobre silicio, optimizando la actividad catalítica para la evolución de hidrógeno al equilibrar la cristalinidad con la densidad de sitios activos y la conductividad eléctrica.

Eunseo Jeon, Vincent Masika Peheliwa, Marie Hrůzová Kratochvílová, Tim Verhagen, Yong-Kul Lee2026-04-01