4159 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.
Cette étude combine la microscopie à effet tunnel et des calculs ab initio pour révéler que la surface Pt(111) catalyse la conversion thermique du n-octane en cycles benzéniques via une cyclisation intramoléculaire et en espèces polycycliques par un mécanisme de couplage homologue intermoléculaire de type fermeture éclair à des températures supérieures à 600 K.
Cet article présente un modèle de rupture par champ de phase complet pour les matériaux fragiles soumis à un choc thermique qui spécifie indépendamment les propriétés de volume, la résistance et la ténacité, unifiant avec succès la prédiction de divers scénarios de fracture — de la propagation des fissures à la nucléation et à la ramification — à travers diverses études expérimentales là où les approches classiques échouent.
En mesurant les fonctions de travail de nanoparticules de métal de Li et de Li, des chercheurs ont découvert un effet isotopique significatif et une dépendance thermique non triviale qui remettent en question les modèles simples et soulignent la nature du lithium en tant que matériau quantique où les degrés de liberté électroniques et ioniques interagissent fortement.
Cette étude démontre que l'antiferromagnétique topologique MnSn présente un effet photoélastique dans l'infrarouge proche exceptionnellement important piloté par des phonons acoustiques cohérents, révélant sa sensibilité exceptionnelle aux distorsions de réseau et établissant une base pour les applications de straintronique ultrarapides.
Cet article présente un modèle analytique bidimensionnel, efficace sur le plan computationnel, pour caractériser les anneaux magnétiques toroïdaux à section circulaire sous excitation sinusoïdale, dérivant des expressions explicites pour les champs internes, l'impédance et les composantes de pertes séparées afin de servir d'alternative précise à l'analyse par éléments finis pour les essais de matériaux standardisés.
Cet article démontre que les réseaux de neurones sur graphes équivariants, plus précisément un GotenNet adapté, surpassent de manière significative les modèles de l'état de l'art existants pour la prédiction des spectres optiques et de la permittivité réelle statique pour le criblage de matériaux en exploitant l'expressivité géométrique et des données d'entraînement de haute fidélité au niveau RPA.
AdsMind est un cadre multi-agents en boucle fermée fondé sur la physique qui exploite le retour d'information de champs de force par apprentissage automatique pour corriger de manière autonome les estimations initiales et découvrir efficacement des configurations d'adsorption précises sur des surfaces de catalyseurs hétérogènes, surpassant de manière significative les méthodes en boucle ouverte et les bases heuristiques en termes de fiabilité et d'efficacité computationnelle.
Cette étude présente la première observation sur de grande surface de l'activité plastique de subsurface dans des électrodes de cuivre conditionnées, démontrant qu'une exposition à un champ élevé induit une désorientation intragranulaire significative, cohérente avec l'évolution de la dynamique des dislocations en tant que mécanisme physique sous-jacent du conditionnement par champ élevé.
Cet article propose un cadre informé par la physique qui utilise des réseaux de neurones convexes pour découvrir des fonctions de fluage anisotropes directement à partir de données de déplacement et de force de réaction de plein champ, en évitant le besoin d'observations directes de contraintes ou de formes paramétriques prédéfinies par l'intégration de la fonction de fluage au sein d'un schéma d'intégration de contrainte élastoplastique différentiable.
Cet article propose un cadre hybride GNN-FEM qui intègre un substitut de réseau de neurones sur graphes pour les mises à jour de champ de phase au sein d'un schéma décalé par éléments finis conventionnel, permettant des simulations efficaces, précises et généralisables de l'évolution de la fracture dépendante de l'histoire à travers diverses géométries et conditions tout en préservant la cohérence physique.