4239 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 identifica experimental y teóricamente que la fragilidad intrínseca del iridio monocristalino se debe a la formación de bucles de dislocación de Frank inmovibles bajo tensión, un mecanismo de endurecimiento único en la red FCC que explica su comportamiento frágil y abre nuevas vías para el diseño de materiales.
Este estudio propone un marco de red neuronal informada por física (PINN) que supera a los modelos tradicionales para predecir con mayor precisión y fiabilidad la vida a fatiga de aceros austeníticos y ferríticos/martensíticos irradiados y no irradiados en condiciones de reactores nucleares, identificando mediante análisis SHAP las variables críticas que gobiernan su degradación.
Mediante simulaciones de campo de fase, este estudio demuestra que la selección de la dirección de crecimiento de la estructura de hielo laminar durante la solidificación direccional de soluciones acuosas se explica mediante la ruptura espontánea de paridad, lo que permite predecir cuantitativamente el ángulo de inclinación de las láminas y fundamentar la interpretación de observaciones experimentales en la fabricación de materiales porosos.
Este trabajo presenta un modelo de campo de fases cuantitativo que describe la solidificación direccional de soluciones acuosas, revelando cómo la anisotropía cinética en la interfaz hielo-agua induce la ruptura espontánea de paridad y el desplazamiento lateral de las láminas de hielo, validando así la simulación con parámetros computacionalmente manejables.
El artículo presenta DiffCrysGen, un modelo generativo de difusión totalmente basado en datos que diseña estructuras cristalinas inorgánicas funcionales en un solo proceso integral, acelerando el muestreo en varios órdenes de magnitud y validando mediante cálculos DFT la estabilidad y síntesis de nuevos materiales magnéticos prometedores.
El artículo propone una formulación geométrica cuántica general del efecto Hall no lineal intrínseco que trasciende la geometría de Bloch, demostrando que este fenómeno es una respuesta fundamental del estado base de muchos cuerpos y no una peculiaridad de la estructura de bandas, lo que permite obtener expresiones compactas y lógicas que incluyen los resultados conocidos como casos particulares.
El estudio demuestra que es posible mantener la rigidez mecánica global de un material elástico perforado mediante el ajuste del grosor de una capa rígida circundante, un principio validado desde la teoría de elasticidad continua hasta simulaciones atómicas que ofrece una estrategia prometedora para la construcción ligera.
El marco de aprendizaje contrastivo guiado por física denominado XCCP, que integra redes Kolmogorov-Arnold y codificadores de grafos cristalinos, permite una identificación rápida, precisa y escalable de estructuras cristalinas a partir de patrones de difracción de rayos X, superando las limitaciones de los métodos tradicionales y facilitando la integración en laboratorios autónomos.
Mediante cálculos de teoría del funcional de la densidad híbrida, este estudio identifica a los centros de defectos NV con carga negativa en silicio nitruro como el origen microscópico de las emisiones cuánticas brillantes observadas, caracterizadas por altos factores de Debye-Waller y polarización lineal.
Este artículo presenta un marco de aprendizaje multimodal que aprovecha representaciones preentrenadas de polímeros para predecir con precisión las propiedades dieléctricas y mecánicas de elastómeros acrilados de alto-k bajo condiciones de escasez de datos, superando la falta de conjuntos de datos estructurados en el campo.