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.

Probing lattice fluctuations using solid-state high-harmonic spectroscopy

Cette étude démontre que la génération d'harmoniques de haute fréquence dans le semi-conducteur Re6Se8Cl2 est extrêmement sensible aux fluctuations thermiques du réseau, révélant une augmentation abrupte du rendement en dessous de 50 K due à la suppression des vibrations atomiques et à la réduction du déphasage électronique.

Lance Hatch, Navdeep Rana, Shoushou He, Jessica Yu, Boyang Zhao, Yu Zhang, Haidan Wen, Xavier Roy, Lun Yue, Mette Gaarde, Hanzhe Liu2026-04-14🔬 cond-mat.mtrl-sci

The effect of grain boundaries on magnetic exchange interactions in iron

Cette étude démontre que, bien que les joints de grains et la ségrégation du phosphore modifient localement les interactions d'échange magnétique dans le fer en induisant des couplages antiferromagnétiques, leur impact sur la température de Curie globale reste limité tant que la fraction volumique des joints de grains reste réaliste.

Martin Zelený, Martin Heczko, Petr Šesták, Denis Ledue, Renaud Patte, Miroslav Černý2026-04-14🔬 cond-mat.mtrl-sci

ReadMOF: Structure-Free Semantic Embeddings from Systematic MOF Nomenclature for Machine Learning

L'article présente ReadMOF, un cadre d'apprentissage automatique innovant qui génère des représentations vectorielles à partir des noms systématiques des réseaux métallo-organiques (MOF) pour prédire leurs propriétés et effectuer des raisonnements chimiques sans avoir besoin de données géométriques ou structurales.

Kewei Zhu, Cameron Wilson, Bartosz Mazur, Yi Li, Ashleigh M. Chester, Peyman Z. Moghadam2026-04-14🔬 cond-mat.mtrl-sci

Strain-tunable interface electrostatics in Janus MoSSe/silk vdW heterostructure for triboelectric nanogeneration

Cette étude démontre que l'hétérostructure van der Waals Janus MoSSe/silk, grâce à l'ingénierie de contrainte et à la polarisation interfaciale synergique, offre une densité de charge triboélectrique et une production d'énergie nettement supérieures, la rendant prometteuse pour les nanogénérateurs de nouvelle génération.

Deobrat Singh, Raquel Lizarraga2026-04-14🔬 cond-mat.mtrl-sci

A Lightweight Universal Machine-Learning Interatomic Potential via Knowledge Distillation for Scalable Atomistic Simulations

Ce papier présente SevenNet-Nano, un potentiel interatomique universel léger et rapide basé sur la distillation de connaissances, qui hérite de la généralisation d'un modèle fondamental plus volumineux pour permettre des simulations atomiques à grande échelle avec une haute précision et un coût computationnel réduit.

Sangmin Oh, Jinmu You, Jaesun Kim, Jiho Lee, Hyungmin An, Seungwu Han, Youngho Kang2026-04-14🔬 cond-mat.mtrl-sci

GPU acceleration of plane-wave density functional theory calculations in Abinit

Ce rapport présente le portage du code Abinit sur des architectures multi-GPU pour les calculs DFT en ondes planes, en détaillant les révisions algorithmiques nécessaires et en comparant les performances de deux méthodes de diagonalisation (LOBPCG et filtrage par polynômes de Chebyshev) sur des nœuds hétérogènes CPU-GPU.

Ioanna-Maria Lygatsika, Marc Sarraute, Lucas Baguet, Pierre Kestener, Marc Torrent2026-04-14🔬 cond-mat.mtrl-sci