2692 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 demuestra que el depósito de una capa de recubrimiento de dióxido de silicio de menos de 1 nm permite la epitaxia de haces moleculares de área selectiva de semiconductores III-V sobre materiales de máscara altamente reactivos o no selectivos como y , superando así las limitaciones ópticas de las máscaras tradicionales sin degradar su rendimiento espectral.
Este artículo propone una expresión universal para el ancho de la pared de dominio en imanes de Heisenberg de múltiples subredes mediante el establecimiento de una conexión exacta entre el perfil de la pared de dominio y la dispersión de ondas de espín de longitud de onda larga, un marco que predice con precisión los anchos a través de diversos órdenes magnéticos y estructuras de red, proporcionando al mismo tiempo una base microscópica para su dependencia de la temperatura.
El artículo presenta DPA4, una novedosa arquitectura de potencial interatómico con equivariancia SE(3) que cuenta con una convolución EMFA con equivariancia SO(2) y optimizaciones de entrenamiento compatibles con compiladores que logran una precisión de vanguardia con un número de parámetros y costos de entrenamiento significativamente reducidos, estableciendo una nueva frontera de Pareto entre precisión y costo para modelos atomísticos de gran escala.
Este artículo presenta la Dinámica Especulativa de Langevin (LSD), un método de muestreo especulativo distribuido y agnóstico al modelo que acelera las simulaciones de dinámica molecular de 3 a 9 veces mediante el uso de un modelo de borrador rápido y verificación en paralelo sin introducir error relativo ni comprometer la precisión de la distribución del modelo objetivo.
Utilizando microscopía electrónica de transmisión de barrido criogénica, los investigadores visualizaron directamente la estructura a baja temperatura del paraeléctrico cuántico SrTiO3, revelando que sus dominios polares a nanoescala se autoorganizan inicialmente en una estructura periódica antes de fragmentarse en pequeños cúmulos a medida que el material entra en el régimen paraeléctrico cuántico por debajo de los 40 K.
Este artículo evalúa el rendimiento de las operaciones de Tensor Train en CPUs, GPUs y TPUs utilizando JAX para adaptar y acelerar un algoritmo de homogeneización basado en SFFT de inspiración cuántica, permitiendo con éxito simulaciones multiescala de alta resolución que van desde 300 millones hasta 70 mil millones de puntos de malla que son inviables con los métodos tradicionales de FFT basados en GPU.
Al combinar la teoría del funcional de la densidad con corrección de dispersión con el aprendizaje automático informado por la física, este estudio elucida los mecanismos de adsorción y envenenamiento de azufre a través de 30 cúmulos icosaédricos de 13 átomos de metales de transición, identificando la tríada isoelectrónica Ti-Zr-Hf como un grupo equilibrado para diseñar catalizadores subnanométricos tolerantes al azufre.
El artículo presenta ELECTRAFI, un modelo rápido y diferenciable que predice densidades de carga periódicas en materiales cristalinos aprovechando las transformadas de Fourier de forma cerrada de Gaussianas anisotrópicas para lograr una precisión de vanguardia con una inferencia hasta 633 veces más rápida, reduciendo así significativamente el costo computacional total de los cálculos de la DFT.