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 los modos de fonones imaginarios espurios en los MOFs pueden introducir errores significativos en el cálculo de la capacidad calorífica y sesgar el entrenamiento de modelos de aprendizaje automático, proponiendo además un flujo de trabajo de post-procesamiento para corregir estas estimaciones.
Este artículo introduce RADII, un nuevo marco de evaluación que cuantifica el "límite de extrapolación" de los modelos generativos de materiales al analizar sistemáticamente cómo se degrada la precisión estructural de las nanopartículas a medida que aumenta su tamaño.
Este artículo examina cómo el auge de la IA y los dispositivos conectados está impulsando una transición hacia arquitecturas de computación en el borde para satisfacer demandas computacionales sin precedentes, describiendo los diseños y métricas clave que darán forma a los sistemas de sensores inteligentes de próxima generación.
Este artículo reformula la ecuación de Young macroscópica sobre bases moleculares utilizando un coeficiente de mojabilidad universal derivado de la energética intrínseca de los puentes de hidrógeno del agua, revelando así la mojabilidad como una propiedad emergente del propio agua y estableciendo un marco predictivo que unifica la mojabilidad, la adhesión y la cavitación a través de diversas superficies.
Este artículo utiliza simulaciones numéricas para demostrar que, mientras los modelos de dinámica de dislocaciones discretas con reglas de aniquilación convergen consistentemente hacia una EDP que da cuenta de la aniquilación, los modelos sin reglas de colisión exhiben un comportamiento de convergencia inconsistente, resaltando la importancia crítica de tratar cuidadosamente las colisiones de dislocaciones en tales simulaciones.
Este artículo presenta un novedoso método de relleno sensible a la simetría que integra información de la posición de Wyckoff en las arquitecturas de codificación para mejorar significativamente la precisión, la estabilidad y la eficiencia de los modelos generativos para el diseño de materiales inorgánicos diversos, logrando mejoras notables en la precisión de reconstrucción y en la generación de nuevos compuestos estables.
Este estudio informa el descubrimiento de magnetostricción anisotrópica y fácilmente saturable en el altermagneto prototípico MnTe, un hallazgo que desafía las visiones tradicionales sobre la magnetostricción antiferromagnética al revelar un acoplamiento permitido por simetría entre la deformación elástica y el parámetro de orden de Néel.
Este artículo establece una regla de simetría restringida para la magnetización robusta frente a la polarización de la luz en sistemas antiferromagnéticos y demuestra, mediante teoría y cálculos, que las estructuras de espiral de espín, a diferencia de los antiferromagnetos colineales, permiten la manipulación de espín ultrarrápida e independiente de la polarización mediante la desmagnetización y rotación en el espacio real.
Este estudio demuestra que la combinación de la sustitución de cloro y la irradiación con iones de helio en el semiconductor magnético bidimensional CrSBr induce una ruptura de simetría local y dispersión relacionada con defectos, lo cual reconstruye colectivamente los espectros Raman anisotrópicos al tiempo que preserva un robusto acoplamiento electrón-fonón potenciado por resonancia.
Este artículo presenta un marco de Monte Carlo cinético autoevolutivo que entrena dinámicamente modelos de aprendizaje automático sobre la marcha para predecir eficientemente las tasas de difusión atómica en simulaciones de crecimiento de películas delgadas, logrando una alta eficiencia computacional y precisión al reemplazar cálculos costosos con aprendizaje guiado por la incertidumbre, tal como se demuestra en el crecimiento de subcapas de Ag/Ag{111}.