4265 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.
El estudio de YbCuSe revela que, en lugar de presentar un estado líquido de espín cuántico, el material exhibe una fase de singlete aleatorio bidimensional impulsada por desorden estructural, lo que sugiere un comportamiento universal en sistemas frustrados.
Este trabajo evalúa la precisión del potencial interatómico de aprendizaje automático universal UMA para 25 dopantes en MoS2, demostrando su capacidad para simular fenómenos complejos como la fractura y difusión a un costo computacional reducido y estableciendo un flujo de trabajo para el diseño de alto rendimiento de materiales dopados.
Los autores demuestran un dispositivo de válvula de espín basado en grafeno de doble capa plegado que genera señales de espín gigantes y un efecto de diodo de espín eficiente, lo que ofrece una plataforma prometedora para el desarrollo de dispositivos espintrónicos bidimensionales activos.
Este estudio investiga la fotoconductividad ultrarrápida y las inhomogeneidades nanoscópicas en nanocintas de grafeno epitaxial multicapa mediante espectroscopia de terahercios, revelando que las capas cuasi-neutrales exhiben una alta movilidad y una fotoconductividad positiva significativa modulada por la temperatura de los portadores y los mecanismos de dispersión.
Este artículo presenta la implementación del formalismo DFT dentro del método FLAPW de electrones completos en el código FLEUR, demostrando mediante parámetros calculados desde primeros principios que la inclusión de interacciones de Coulomb intersitio () mejora significativamente la precisión en la descripción de propiedades electrónicas y correlacionadas en materiales covalentes, semiconductores y aislantes de transferencia de carga.
Este trabajo presenta el crecimiento epitaxial monolítico de puntos cuánticos de InGaAs controlados en posición mediante un método de estrés enterrado con variación de densidad local, logrando una alta precisión de posicionamiento y reproducibilidad que permite integrar fuentes de fotones individuales y microláseres en un solo chip para tecnologías cuánticas fotónicas.
Este artículo presenta un protocolo de generación de datos basado en la maximización de la entropía de la información que, al eliminar sesgos termodinámicos, permite entrenar potenciales de aprendizaje automático robustos capaces de modelar con precisión materiales complejos y multielementales bajo condiciones extremas y lejos del equilibrio.
Este estudio demuestra que, aunque el cribado basado en descriptores identifica candidatos prometedores para la evolución de hidrógeno en h-BN con defectos, la integración de un análisis riguroso de estabilidad electroquímica es esencial para filtrar sistemas inestables y validar el Pd@VB como un catalizador de átomo único robusto y eficaz.
Los investigadores demuestran que la implantación de iones de helio a través de una máscara litográfica permite patronear gradientes de tensión transversales en películas delgadas de GdAuGe, induciendo una respuesta ferromagnética cerca de la temperatura ambiente que confirma el efecto flexomagnético y abre nuevas vías para el control preciso de fases magnéticas en materiales cuánticos.
Este estudio evalúa el rendimiento de diversos potenciales de aprendizaje automático universales en la optimización global, revelando una amplia variabilidad en su capacidad para predecir estados fundamentales de estructuras cristalinas complejas, desde niveles cercanos a los cálculos *ab initio* hasta resultados no predictivos.