🔬 Category

cond-mat.mtrl-sci

5016 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.

🔬 science des matériaux

Phonon-Mediated Thermal Transport in Nanocrystalline Silicon Using Machine-Learning Interatomic Potentials

Cette étude développe un cadre de potentiel interatomique par apprentissage automatique combinant les modèles GAP et MACE avec des simulations de dynamique de réseau et de dynamique moléculaire hors équilibre afin de fournir une description plus précise et intrinsèquement cohérente du transport thermique médié par les phonons et de la résistance aux joints de grains dans le silicium nanocristallin par rapport aux potentiels classiques.

Houssem Rezgui, Catalina Coll Benejam, Miguel Pruneda, Clivia M. Sotomayor Torres2026-07-08
🔬 science des matériaux

Solvers for the Hermitian and the pseudo-Hermitian Bethe-Salpeter equation in the Yambo code: Implementation and Performance

Cet article présente et évalue les performances de l'implémentation de solveurs tant directs (ScaLAPACK/ELPA) qu'itératifs (SLEPc) pour les équations de Bethe-Salpeter hermitiennes et pseudo- hermitiennes au sein du code Yambo, démontrant la faisabilité de la manipulation de matrices denses allant jusqu'à 10510^5 éléments sur des clusters CPU et GPU.

Petru Milev, Blanca Mellado-Pinto, Muralidhar Nalabothula, Ali Esquembre Kucukalic, Fernando Alvarruiz, Enrique Ramos, F (…)2026-07-07
🔬 science des matériaux

QR2^2-code: An open-source program for double resonance Raman spectra

L'article présente QR2^2-code, un programme open-source qui utilise des calculs de premiers principes issus de Quantum ESPRESSO et EPW pour calculer les spectres Raman à résonance simple, à double résonance et induits par des défauts, en fournissant des tutoriels et une validation à travers des exemples sur le graphène.

Jianqi Huang, Renhui Liu, Ye Zhang, Nguyen Tuan Hung, Huaihong Guo, Riichiro Saito, Teng Yang2026-07-07
🔬 science des matériaux

Many-body post-processing of density functional calculations using the variational quantum eigensolver for Bader charge analysis

Cet article présente Dopyqo, un cadre open-source qui améliore l'analyse de la charge de Bader pour les systèmes périodiques faiblement et fortement corrélés en combinant des calculs DFT classiques avec un post-traitement à plusieurs corps via l'algorithme de l'évaluateur de valeurs propres quantiques variationnel, démontrant des améliorations significatives de la précision par rapport à la DFT standard pour les oxydes de métaux de transition.

Erik Schultheis, Alexander Rehn, Gabriel Breuil2026-07-07
🔬 science des matériaux

Microstructural Insights into Fast Ion Transport in Solid Electrolytes via Multiscale Modeling

Cette étude emploie la modélisation multi-échelle avec des potentiels d'apprentissage automatique pour révéler comment les joints de grains et la taille des anions régissent le transport ionique dans les électrolytes solides de type argyrodite, offrant des perspectives critiques pour la conception microstructurale de batteries tout-solide à haute performance.

Yongliang Ou, Lena Scholz, Sanath Keshav, Yuji Ikeda, Marvin Kraft, Sergiy Divinski, Rafael Gómez-Bombarelli, Wolfgang G (…)2026-07-07
🔬 physique mésoscopique

Resolving the phase of a Dirac topological state via interferometric photoemission

Cet article présente un interféromètre électronique à chemin quantique basé sur la spectroscopie de photoémission résolue en temps et en angle qui reconstruit avec succès la phase auparavant inaccessible des fonctions d'onde électroniques, démontrée par la résolution des sauts de phase et de l'hélicité des états de Dirac dans un isolant topologique.

Shiri Gvishi, Ittai Sidilkover, Yun Yen, Shaked Rosenstein, Nir Hen Levin, Adi Perelmuter, Omer Pasternak, Costel R. Rot (…)2026-07-07
🔬 physique mésoscopique

Generating unconventional spin-orbit torques with patterned phase gradients in tungsten thin films

Cette étude démontre que le recuit laser par écriture directe peut structurer des gradients de phase dans des films minces de tungstène afin de créer des canaux de couple spin-orbite capables de commuter la magnétisation du CoFeB sans champs magnétiques externes, offrant ainsi une nouvelle stratégie pour la conception de dispositifs spintroniques efficaces.

Lauren J. Riddiford, Anne Flechsig, Shilei Ding, Emir Karadza, Niklas Kercher, Tobias Goldenberger, Elisabeth Müller, Pi (…)2026-07-07
🔬 science des matériaux

Fractional-Monolayer 2D-GaN/AlN Structures: Growth Kinetics and UVC-emitter Applications

Cet article étudie la cinétique de croissance et les propriétés optiques de puits quantiques de GaN/AlN à fraction de monocouche élaborés par épitaxie par jets moléculaires activée par plasma, proposant un modèle phénoménologique qui lie leurs caractéristiques d'émission à des mécanismes de croissance spécifiques et démontrant leur potentiel en tant qu'émetteurs puissants dans l'ultraviolet-C.

V. N. Jmerik, D. V. Nechaev, E. A. Evropeitsev, E. M. Roginskii, A. N. Semenov, M. A. Yagovkina, P. A. Alekseev, V. I. K (…)2026-07-07
🔬 science des matériaux

Machine Learning Hamiltonians are Accurate Energy-Force Predictors

Cet article présente QHFlow2, un modèle hamiltonien d'apprentissage automatique de pointe qui surpasse considérablement les méthodes existantes en matière de précision de prédiction de l'énergie et des forces en évaluant directement les hamiltoniens prédits, atteignant une précision de force de niveau NequIP et des réductions d'erreur d'énergie allant jusqu'à 20 fois sur les bancs d'essai standards.

Seongsu Kim, Chanhui Lee, Yoonho Kim, Seongjun Yun, Honghui Kim, Nayoung Kim, Changyoung Park, Sehui Han, Sungbin Lim, S (…)2026-07-07