🔬 Category

cond-mat.mtrl-sci

2632 articles

La science des matériaux explore comment la matière se comporte et comment nous pouvons la transformer pour créer de nouvelles technologies. Dans cette catégorie, vous découvrirez des recherches qui vont des alliages plus résistants aux matériaux pour l'énergie propre, en passant par les nanotechnologies qui changent notre quotidien. C'est un domaine où la théorie rencontre l'expérience pour façonner le futur de nos objets et infrastructures.

Sur Gist.Science, nous traitons systématiquement chaque nouveau prépublication soumise sur arXiv dans ce secteur. Notre équipe analyse ces travaux complexes pour vous offrir à la fois un résumé technique précis et une explication claire en langage simple, rendant ainsi la recherche de pointe accessible à tous, qu'il s'agisse d'étudiants ou de passionnés.

Découvrez ci-dessous la sélection la plus récente de ces avancées, où chaque article est présenté avec sa version simplifiée et ses détails essentiels pour mieux comprendre les innovations qui émergent aujourd'hui.

Synchrotron x-ray diffraction and DFT study of non-centrosymmetric EuRhGe3 under high pressure

Cette étude combine la diffraction de rayons X sur synchrotron et des calculs DFT pour étudier le comportement structural sous haute pression du composé non centrosymétrique EuRhGe3, révélant une contraction de volume continue jusqu'à 35 GPa sans transition de phase, une compression de réseau anisotrope, ainsi qu'un écart entre les volumes expérimentaux et théoriques à hautes pressions attribué à une valence non entière de l'Eu.

N. S. Dhami, V. Balédent, I. Batistić, O. Bednarchuk, D. Kaczorowski, J. P. Itié, S. R. Shieh, C. M. N. Kumar, Y. Utsumi2026-06-09🔬 cond-mat.mtrl-sci

Lattice Parameters and Bulk Modulus of SrTi1−x_{1-\mathit{x}}Mnx_{\mathit{x}}O3_{3} Perovskites: A Comparison of Exchange-Correlation Functionals with Experimental Validation

Cette étude valide que les fonctionnelles d'échange et de corrélation PBEsol et WC surpassent LDA et PBE dans la prédiction précise des paramètres de maille et des modules de compressibilité des pérovskites cubiques de SrTi1−x_{1-\mathit{x}}Mnx_{\mathit{x}}O3_{3} à travers diverses concentrations de Mn, comme le confirment la diffraction des rayons X et les mesures expérimentales du module de compressibilité.

Miroslav Lebeda, Jan Drahokoupil, Stanislav Kamba, Šimon Svoboda, Vojtěch Smola, Bogdan Dabrowski, Petr Vlčák2026-06-09🔬 cond-mat.mtrl-sci

Low and Anisotropic Thermal Conductivity in Mixed-Valent Sn2_2S3_3

Cette étude révèle que le Sn2_2S3_3 à valence mixte présente une conductivité thermique faible et anisotrope le long de l'axe c, induite par des vibrations de type « rattling » anharmoniques d'atomes de Sn(II) faiblement liés, provoquées par les interactions coulombiennes de paires isolées.

Xingang Jiang, Yongheng Li, Weiping Guo, Qi Ren, Gang Tang, Zhong-Zhen Luo, Jiawang Hong2026-06-09🔬 cond-mat.mtrl-sci

Modeling phase transformations in Mn-rich disordered rocksalt cathodes with machine learning interatomic potentials

Cette étude emploie des potentiels interatomiques d'apprentissage automatique pour révéler que les cathodes de type sel gemme désordonnées riches en Mn subissent une transformation de phase en une structure de type spinelle pilotée par la migration des métaux de transition plutôt que par la formation de Mn2+^{2+}, ce qui entraîne une amélioration de la cinétique de transport du lithium et une capacité plus élevée.

Peichen Zhong, Bowen Deng, Shashwat Anand, Tara Mishra, Gerbrand Ceder2026-06-09🔬 cond-mat.mtrl-sci

Deep Generative Learning of Magnetic Frustration in Artificial Spin Ice from Magnetic Force Microscopy Images

Cet article présente un cadre d'apprentissage profond à deux étapes qui utilise des auto-encodeurs variationnels pour générer des images de microscopie à force magnétique synthétiques et automatiser l'analyse de la frustration magnétique dans la glace de spins artificielle, permettant ainsi l'identification précise des sommets frustrés et la conception de configurations de glace de spins optimisées.

Arnab Neogi, Suryakant Mishra, Prasad P Iyer, Tzu-Ming Lu, Ezra Bussmann, Sergei Tretiak, Andrew Crandall Jones, Jian-Xin Zhu2026-06-09🔬 cond-mat.mtrl-sci

Adjudicating Conduction Mechanisms in High Performance Carbon Nanotube Fibers

À travers des expériences cryogéniques approfondies et une modélisation théorique, cette étude élucide les mécanismes de conduction dans les fibres de nanotubes de carbone à haute performance, démontrant que le tunnel induit par des fluctuations hétérogènes et le transport dépendant du champ leur permettent de surpasser les métaux traditionnels en termes de conductivité ultime.

John Bulmer, Chris Kovacs, Thomas Bullard, Charlie Ebbing, Timothy Haugan, Ganesh Pokharel, Stephen D. Wilson, Fedor F. Balakirev, Oscar A. Valenzuela, Michael A. Susner, David Turner, Pengyu Fu, Tere (…)2026-06-09🔬 cond-mat.mtrl-sci

General Learning of the Electric Response of Inorganic Materials

L'article introduit \texttt{MACE-Field}, un potentiel interatomique O(3)O(3)-équivariant qui intègre un champ électrique uniforme dans la structure de base de MACE afin de prédire avec précision les propriétés diélectriques, ferroélectriques et spectroscopiques de divers matériaux inorganiques grâce à la différenciation exacte d'une fonctionnelle d'enthalpie électrique apprise.

Bradley A. A. Martin, Alex M. Ganose, Venkat Kapil, Tingwei Li, Keith T. Butler2026-06-09🔬 cond-mat.mtrl-sci

Intrinsic characteristic radius drives phonon anomalies in Janus transition metal dichalcogenide nanotubes

Cette étude révèle que les nanotubes de dichalcogénures de métaux de transition Janus atteignent une énergie minimale et présentent des pics de fréquence de phonons optiques anormaux lorsque leur rayon extrinsèque correspond au rayon de courbure intrinsèque de la monocouche, un phénomène piloté par des modes de phonons mous résultant de l'écart de courbure.

Jing-Jing Zhang, Jin-Wu Jiang2026-06-09🔬 cond-mat.mes-hall

Machine-Learning-Guided Insights into Solid-Electrolyte Interphase Conductivity: Are Amorphous Lithium Fluorophosphates the Key?

Cette étude utilise l'apprentissage automatique et la prédiction de structure basée sur la diffusion pour révéler que le difluorophosphate de lithium amorphe (\ceLiPO2F2\ce{LiPO2F2}), un composant clé de l'interphase d'électrolyte solide, présente une conductivité ionique élevée en raison du désordre structurel et de l'abondance de défauts interstitiels, suggérant que les phases amorphes à anions mixtes sont les principales voies de transport rapide des ions Li dans les batteries Li-ion.

Peichen Zhong, Kristin A. Persson2026-06-09🔬 cond-mat.mtrl-sci

Data-model Coevolution as the Architectural Principle for AI-Native Materials Databases

Cet article propose et valide la « coévolution données-modèle » en tant que principe architectural fondamental pour les bases de données de matériaux natives de l'IA, démontrant, à travers un prototype ternaire Li-P-S, que des cycles endogènes de génération-évaluation-raffinement peuvent découvrir de manière autonome de nouvelles phases stables et atteindre une modélisation prédictive de haute précision avec un coût minimal en principes premiers.

Fengyu Xie, Ruoyu Wang, Taoyuze Lv, Yuxiang Gao, Hongyu Wu, Zhicheng Zhong2026-06-09🔬 cond-mat.mtrl-sci