4862 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 establece al CeZnGe como un raro ferromagneto de estructura de panal basado en Ce con electrones 4 localizados y características topológicas no triviales, incluyendo puntos de Weyl y una fase de Berry no nula, lo que lo convierte en una plataforma única para investigar la interacción entre el magnetismo y la topología.
Este estudio demuestra que la espectroscopia de Kerr magneto-óptica con resolución de longitud de onda de una heteroestructura de van der Waals de MoSe/FeGaTe revela la ruptura de simetría magnética inducida por proximidad a través de los colectivos de excitones A y B, identificando específicamente resonancias mejoradas en los estados fundamentales y de Rydberg 2s mediante un análisis combinado experimental y teórico.
Este artículo demuestra que la geometría cuántica singular de un contacto de banda cuadrática bidimensional actúa como un amplificador asintótico, convirtiendo escalas de interacción no perturbativas exponencialmente pequeñas en respuestas algebraicamente mejoradas tanto en la métrica cuántica como en las reglas de suma ópticas.
Este estudio establece un marco de diagnóstico práctico y de alto rendimiento que combina la espectroscopia infrarroja de transformada de Fourier a nanoescala con la imagen óptica mejorada por aprendizaje automático para identificar y cuantificar rápidamente impurezas microscópicas en células solares de perovskita, revelando estos defectos como sitios críticos de nucleación para la degradación y permitiendo el cribado temprano de la estabilidad para la fabricación de dispositivos a escala.
Este artículo presenta una maleta Raman de ultra alto vacío (RVS) fabricada en casa que permite la caracterización *in situ* de nanofibras de grafeno sensibles al aire y atómicamente precisas, mediante la prevención de la oxidación y permitiendo el monitoreo en tiempo real de su cinética de crecimiento, dinámica de red y reactividad química específica de los bordes bajo entornos térmicos y gaseosos controlados.
Este artículo presenta un marco de aprendizaje automático que utiliza descriptores estructurales, composicionales y electrónicos para clasificar con precisión los órdenes magnéticos y predecir la magnetización en materiales 2D, permitiendo así el cribado eficiente de candidatos para aplicaciones espintrónicas y la identificación de características de tipo skyrmion.
Este artículo presenta una implementación basada en la diferenciación algorítmica de la teoría de la perturbación de la funcional de la densidad para aproximaciones de gradiente meta-generalizado, permitiendo el cálculo eficiente de propiedades de respuesta arbitrarias y facilitando la optimización basada en gradientes de nuevos funcionales de intercambio y correlación.
Este artículo aborda la ambigüedad de la precisión post-eliminación en el aprendizaje automático de materiales mediante la definición de un "suelo de eliminación" basado en la equivalencia de reentrenamiento, estableciendo límites teóricos que vinculan los suelos de eliminación bajos con la redundancia de los datos retenidos, y demostrando empíricamente que las evaluaciones de desaprendizaje a nivel de solicitud deben informar conjuntamente la pérdida de referencia, el cambio de predicción y la utilidad retenida para distinguir entre un desaprendizaje efectivo y la mera supresión de datos.
Este artículo presenta un catálogo computacional exhaustivo de 365.639 estructuras magnéticas colineales permitidas por simetría para más de 72.000 materiales estequiométricos mediante el aprovechamiento de los grupos de espacio de espín y sus subgrupos máximos, identificando finalmente miles de nuevos materiales magnéticos topológicos para guiar la caracterización experimental y las aplicaciones de espintrónica.
Este artículo identifica los cambios de distribución comunes que dificultan la generalización de los Campos de Fuerza de Aprendizaje Automático (MLFFs) y propone dos estrategias de refinamiento en tiempo de prueba rentables basadas en la teoría de grafos espectrales y objetivos físicos auxiliares para reducir significativamente los errores en sistemas fuera de la distribución sin requerir etiquetas ab initio costosas.