2756 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.
Al combinar clasificadores de aprendizaje automático con simulaciones de metadinámica, este estudio revela que la selección de polimorfos específicos en las redes metalo-orgánicas Zn(imidazolato)₂ está determinada ya en la etapa de los cúmulos pre-nucleación, desafiando la suposición de que la selección de polimorfos ocurre más tarde en el proceso de síntesis.
Este artículo reporta la primera realización de un acoplamiento fuerte entre modos de magnones cuantizados en una microplacaleta de YIG de menos de 10 micrómetros y fotones de microondas en un resonador superconductor, logrado mediante fabricación con haz de iones enfocado y que permite estudios eficientes en chip a potencias de entrada ultra bajas.
NIMS-OS es una biblioteca de Python de código abierto y una aplicación de interfaz gráfica que permite la exploración totalmente automatizada y en bucle cerrado de materiales mediante la integración de diversos algoritmos de IA con sistemas experimentales robóticos, como NAREE, para descubrir autónomamente nuevos materiales como electrolitos.
Esta tesis de licenciatura emplea cálculos de la teoría del funcional de la densidad para investigar las propiedades intrínsecas y magnéticas de compuestos de tipo ThMn sustituidos con Nd, Zr y Ti, identificando materiales cuaternarios prometedores con bajo contenido de Nd como alternativas potenciales a los imanes de tierras raras escasos.
Este artículo presenta aLLoyM, un modelo de lenguaje grande ajustado fino entrenado con datos de diagramas de fases de aleaciones que mejora significativamente la precisión de predicción en preguntas de opción múltiple y demuestra la capacidad novedosa de generar diagramas de fases a partir de descripciones de componentes, acelerando así el descubrimiento de materiales.
Este trabajo presenta un estudio sistemático que establece nuevas relaciones de acotación generalizadas entre diversas propiedades electrónicas —tales como la densidad electrónica, la masa efectiva, la magnetización orbital y los invariantes de Chern— en cristales magnéticos tanto metálicos como aislantes, ilustrado mediante sistemas modelo y analizado a través de espectros de absorción óptica.
Este estudio establece el hexa-grafino (HXGY) como un alótropo de carbono 2D semimetálico, estable y transparente, con suavidad mecánica única y propiedades ópticas distintivas, destacando su potencial significativo para aplicaciones en nanoelectrónica y optoelectrónica.
Este estudio establece que los cristales individuales ultra limpios de RuO exhiben un estado de líquido de Fermi tridimensional débilmente correlacionado con una susceptibilidad magnética dependiente de la temperatura característica impulsada por contribuciones orbitales mejoradas derivadas de la expansión de la red, resolviendo los debates en curso sobre su naturaleza magnética.
Este trabajo presenta una evaluación comparativa exhaustiva entre un código de campo de fases por diferencias finitas acelerado por GPU (GPU-PF) y un código de elementos finitos por malla adaptativa paralelizado por CPU (PRISMS-PF) para simular la solidificación direccional de aleaciones Al-Cu y SCN-camfor en condiciones relevantes experimentalmente, validando su precisión en la predicción de la morfología dendrítica y la dinámica de la punta, al tiempo que evalúa su rendimiento computacional para apoyar flujos de trabajo de ingeniería de materiales computacional integrada.
Este artículo presenta un marco de aprendizaje activo bayesiano informado por física que integra un modelo de adsorción de Langmuir con una estrategia de estimación de parámetros en dos etapas para ajustar de forma autónoma y eficiente los tiempos de pulso de la deposición de capa atómica, logrando una convergencia más rápida, una mayor precisión predictiva y un uso significativamente reducido de precursores en comparación con los enfoques basados en datos estándar.