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.
Este estudio computacional determina las energías de enlace de diversos átomos abundantes en polvo de silicato amorfo, revelando que, aunque varían significativamente, son lo suficientemente altas para garantizar la estabilidad de los granos de polvo interestelar frente a la sublimación y proporcionar datos fundamentales para modelos de evolución del polvo y reacciones químicas.
Mediante cálculos *ab-initio* que incluyen efectos excitónicos, este estudio concluye que el mecanismo de aislante excitónico no es la fuerza impulsora principal de la fase de onda de densidad de carga en TiSe, aunque las fluctuaciones excitónicas podrían ser relevantes cerca de la temperatura de transición.
Este estudio experimental presenta una caracterización exhaustiva de las transiciones de excitones unidos a donantes en silicio enriquecido con Si bajo estrés uniaxial y campos magnéticos, revelando potenciales de deformación dependientes del tipo de donante y proporcionando parámetros refinados esenciales para el diseño de dispositivos cuánticos de silicio.
Este artículo presenta un modelo de Darcy fluctuante que demuestra que las fluctuaciones espaciotemporales de la porosidad modifican significativamente la permeabilidad hidrodinámica de membranas porosas en comparación con las matrices estáticas, ofreciendo nuevas perspectivas para el diseño de membranas de separación.
Este estudio presenta y valida experimentalmente el uso de metamateriales anisotrópicos con gradiente funcional bidimensional para lograr una conversión eficiente y de banda ancha de modos de ondas elásticas entre medios con gran contraste de rigidez, mitigando así el desajuste de impedancia mediante el diseño de celdas unitarias y la fabricación aditiva.
Este trabajo presenta un enfoque de diseño inverso basado en aprendizaje automático para metamateriales termoelásticos de red bimaterial, que utiliza modelos de redes neuronales entrenados con simulaciones de alto rendimiento para predecir y optimizar eficientemente las características geométricas y de materiales necesarios para lograr propiedades efectivas específicas, como coeficientes de expansión térmica y relaciones de Poisson negativos.
Este artículo presenta la demostración de MOSFETs de alta puerta basados en el óxido semiconductor de banda prohibida ultraancha SrSnO₃, que logran un alto rendimiento eléctrico y una interfaz dieléctrica de alta calidad, posicionándolo como una plataforma prometedora para aplicaciones de electrónica de potencia.
Este estudio utiliza espectroscopía avanzada para revelar que, a medida que las polinas lineales y cíclicas se acercan al límite del carbyno, presentan estados fundamentales altamente deslocalizados con distorsiones de Peierls debilitadas, mientras que sus estados excitados experimentan una rápida auto-localización cuya dinámica depende críticamente de la topología y la longitud de la cadena.
Este trabajo presenta un nuevo marco computacional que combina métodos *ab initio* con técnicas de aprendizaje automático para predecir con precisión las propiedades optoelectrónicas dependientes de la temperatura en soluciones sólidas anarmónicas, aplicándolo exitosamente a soluciones sólidas de plata chalco-haluro para revelar la interacción entre el desorden químico, la dinámica de la red y la estructura electrónica.
El marco de trabajo ActiveStructOpt, que integra modelos sustitutos de redes neuronales gráficas con aprendizaje activo, permite determinar de manera eficiente y precisa la estructura atómica de materiales complejos a partir de datos espectroscópicos, superando a los métodos existentes con un menor costo computacional.