2608 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 demuestra que la ingeniería de gradiente composicional en películas ultradelgadas de AlScN mitiga la fuga y la ruptura mediante la distribución de discontinuidades estructurales, permitiendo así una conmutación ferroeléctrica robusta en pilas de tan solo 5 nm con una resistividad y polarización significativamente mejoradas en comparación con sus contrapartes homogéneas.
Este artículo evalúa siete estrategias de ajuste fino para modelos fundacionales de potenciales interatómicos aprendidos por aprendizaje automático (MLIP) a través de diversos bancos de pruebas químicos, revelando que, si bien requisitos previos como la calidad del modelo fundacional y la inicialización correcta de la energía son primordiales, el ajuste fino ingenuo es óptimo para la precisión en sistemas únicos, mientras que la repetición de múltiples cabezales preserva de manera única la robustez fuera de la distribución para un despliegue más amplio.
Este artículo propone un marco unificado que vincula la estructura electrónica con la ductilidad intrínseca al identificar la amorfización por cizallamiento como un criterio de fractura de menor energía que la nucleación de dislocaciones, permitiendo así predicciones precisas de la ductilidad y de las transiciones de dúctil a frágil tanto para metales puros como para aleaciones de múltiples elementos principales.
Este artículo advierte que los potenciales interatómicos de aprendizaje automático entrenados con datos de DFT basados en PBE predicen incorrectamente la estructura del estado fundamental de HfO debido a la tendencia del funcional a sobreestabilizar fases de baja densidad, un defecto que puede mitigarse utilizando funcionales alternativos como PBEsol o LDA.
Este estudio revela que la introducción de magnesio en ánodos de metal de litio induce una descomposición espinodal condicional entre las fases ordenadas B2 y -BCC rica en Li, creando una microestructura continua e interconectada que facilita la rápida difusión del litio y suprime la formación de dendritas a altas densidades de corriente.
Este estudio emplea un enfoque novedoso que combina la imagen de fotoluminiscencia, simulaciones de difusión-deriva e inferencia bayesiana para mapear la degradación espacialmente no uniforme de las células solares de perovskita, distinguiendo con éxito entre defectos de volumen y de interfaz, y demostrando que la pasivación con amino-silano suprime eficazmente la degradación interfacial.
Mediante el uso de microscopía crioconfocal y velocimetría de imágenes de partículas, este estudio revela que la expansión volumétrica, en lugar de los flujos de Marangoni, domina el movimiento del fluido alrededor de las burbujas durante la solidificación direccional, desafiando los modelos teóricos existentes y ofreciendo nuevas perspectivas para controlar la distribución de burbujas en materiales solidificados.
Este estudio demuestra que el dopaje con hierro en cristales de GaSe introduce centros de defectos ópticamente y magnéticamente activos, identificados mediante espectroscopia de fotoluminiscencia dependiente de la potencia, la temperatura y el campo magnético como excitones ligados a Fe con factores g distintos, ofreciendo así nuevas perspectivas para aplicaciones magneto-optoelectrónicas y fotónicas cuánticas.
Este artículo introduce una representación de huella digital simetría-electrónica (SEF) que, al integrar la simetría cristalográfica y la estructura electrónica resuelta por sitio, permite que los modelos de aprendizaje automático predigan con precisión las propiedades magnéticas en materiales 2D, utilizando de manera única la incertidumbre del modelo como una herramienta de diagnóstico para identificar y caracterizar fases magnéticas competitivas y la frustración.
Este artículo demuestra que la combinación del análisis cepstral con simulaciones de Green-Kubo y potenciales aprendidos mediante aprendizaje automático proporciona un marco robusto, automatizado y eficiente para predecir con precisión la conductividad térmica de las estructuras metalorgánicas al superar el ruido estadístico y la sensibilidad de los parámetros inherentes a los métodos convencionales.