3252 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 artículo presenta una teoría simétrica de los pares térmicos anisotrópicos en altermagnetos aislantes, identificando nuevos mecanismos de torque que inducen respuestas magnéticas direccionales como la precesión de paredes de dominio y un efecto Hall de skyrmiones anisotrópico con deflexión transversal suprimida.
Este trabajo ofrece una visión general concisa y completa de los principios fundamentales y metodologías de la espectroscopía de fotoelectrones de rayos X (XPS), abarcando desde los procesos de emisión hasta la cuantificación, con el objetivo de ayudar a los nuevos investigadores a superar los desafíos de interpretación y mejorar la precisión en el análisis químico de superficies.
Este trabajo demuestra por primera vez que la intercalación de iones de potasio en análogos de azul de Prussian electrodepositados permite un conmutación resistiva nanoscópica ultrarrápida y reversible, estableciendo a estos materiales abundantes y de bajo costo como una nueva clase de memristores ideales para aplicaciones neuromórficas y de memoria no volátil escalables.
Este estudio demuestra que el aumento del espesor de los complejos amorfo en los límites de grano del Cu-Zr nanocristalino suprime la localización de la deformación plástica, promoviendo una fluidez más homogénea y una mayor tolerancia al daño.
El artículo presenta ESU-MOF, un conjunto de datos extraído de la literatura y una estrategia de aprendizaje que ajusta modelos de lenguaje grande para predecir la escalabilidad de la síntesis de marcos metal-orgánicos con un 91,4 % de precisión, facilitando así su transición hacia aplicaciones industriales.
Este trabajo presenta un marco global de correlación digital de imágenes (DIC) mejorado con eliminación de elementos que permite la detección y seguimiento automatizado de grietas en materiales reticulados, resolviendo las limitaciones de los métodos ópticos convencionales al operar directamente sobre la malla de la red y eliminar automáticamente los elementos dañados para caracterizar con precisión la propagación de fracturas.
Este estudio demuestra que la ruptura macroscópica de la simetría de inversión temporal en MnTe, evidenciada por un efecto Kerr gigante, no es una propiedad intrínseca del orden altermagnético ideal, sino que es inducida por la auto-dopaje de portadores debido a defectos, lo que se confirma al observar la ausencia de señal en películas delgadas estequiométricas.
Este estudio demuestra mediante espectroscopía de túnel y fotoemisión la existencia de un punto de silla y una singularidad de van Hove cerca del punto M en superredes homólogas de telururo de antimonio con dos a cuatro capas de antimoneno, identificando además que la hibridación de los orbitales de Sb y Te es fundamental para acercar dicha singularidad al nivel de Fermi.
El marco de inteligencia artificial DielecMIND redefine el descubrimiento de materiales al combinar la generación de hipótesis con modelos de lenguaje y cálculos de primeros principios validados por física, logrando expandir en un 35% la escasa clase de materiales dieléctricos de alta constante dieléctrica mediante la identificación y validación de cinco nuevos compuestos, incluido el Ba2TiHfO6.
Este artículo ofrece una visión general de los esfuerzos recientes para acelerar las simulaciones de defectos puntuales en materiales sólidos mediante modelos basados en datos y aprendizaje automático, destacando cómo estos enfoques permiten predicciones precisas y de bajo costo de propiedades de defectos, incluyendo energías de formación y efectos a temperatura finita, así como su conexión con datos experimentales.