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.

🔬 materials science

Emergent superconductivity at 16.3 K in an altermagnetic candidate Na2−x_{2-x}V2_2Se2_2O with broken inversion symmetry

Les auteurs rapportent la découverte d'une supraconductivité émergente à une température critique de 16,3 K dans le composé altermagnétique Na2−x_{2-x}V2_2Se2_2O, un matériau sans symétrie d'inversion qui ouvre une nouvelle voie pour l'étude des supraconducteurs altermagnétiques et des états exotiques.

Y. Sun, Z. Yin, T. Zhang, L. Wang, B. Ruan, Y. Huang, J. He, W. Zhu, M. Ma, J. Bai, J. Cheng, Q. Dong, C. Li, P. Liu, Q. (…)2026-04-02
🔬 materials science

Parameter-Efficient Fine-Tuning of Machine-Learning Interatomic Potentials for Phonon and Thermal Properties

Cette étude démontre que l'affinage fin, et notamment via le nouveau cadre Equitrain utilisant LoRA, permet d'améliorer considérablement la précision des potentiels interatomiques basés sur l'apprentissage automatique pour prédire les propriétés phononiques et thermiques de divers matériaux avec un minimum de données supplémentaires.

Jonas Grandel, Philipp Benner, Janine George2026-04-02
🧬 biology

Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment

Cet article propose un cadre d'alignement de distribution basé sur l'apprentissage génératif et l'alignement de distributions adverses (ADA) pour combler l'écart entre les simulations et les expériences en pré-entraînant un modèle sur des données simulées complètes avant de l'ajuster aux observations expérimentales partielles.

Kai Nelson, Tobias Kreiman, Sergey Levine, Aditi S. Krishnapriyan2026-04-02
🔬 optics

Localized Energy States Induced by Atomic-Level Interfacial Broadening in Heterostructures

Cette étude établit un cadre théorique et confirme expérimentalement que l'élargissement interfacial à l'échelle atomique dans les super-réseaux (SiGe)m/(Si)m induit des niveaux d'énergie localisés, créant de nouvelles transitions optiques entre 2 et 2,5 eV qui permettent de sonder de manière non destructive la structure atomique de ces interfaces.

Anis Attiaoui, Gabriel Fettu, Samik Mukherjee, Matthias Bauer, Oussama Moutanabbir2026-04-01
🔬 materials science

Time-dependent global sensitivity analysis of the Doyle-Fuller-Newman model

Cet article présente un nouveau cadre d'analyse de sensibilité globale applicable aux sorties temporelles du modèle de Doyle-Fuller-Newman, permettant d'identifier les paramètres non influents sur la réponse en tension lors de simulations de cycles de conduite et d'évaluer l'erreur de modèle associée à leur fixation arbitraire.

Elia Zonta, Ivana Jovanovic Buha, Michele Spinola, Christoph Weißinger, Hans-Joachim Bungartz, Andreas Jossen2026-04-01
🔬 materials science

Accelerated Design of Mechanically Hard Magnetically Soft High-entropy Alloys via Multi-objective Bayesian Optimization

Cette étude propose une méthode d'optimisation bayésienne multi-objectifs couplée à un modèle de substitution par ensemble pour concevoir des alliages à haute entropie alliant simultanément une dureté mécanique élevée et des propriétés magnétiques douces, en identifiant des compositions optimales qui surmontent les compromis traditionnels.

Mian Dai, Yixuan Zhang, Weijia He, Chen Shen, Xiaoqing Li, Stephan Schönecker, Liuliu Han, Ruiwen Xie, Tianhang Zhou, Ho (…)2026-04-01
🔬 materials science

Evaluation of Foundational Machine Learned Interatomic Potentials for Migration Barrier Predictions

Cette étude évalue la précision de cinq potentiels interatomiques appris par machine (MACE-MP-0, Orb-v3, SevenNet, CHGNet et M3GNet) pour prédire les barrières de migration ionique et les géométries, démontrant que des modèles comme Orb-v3 et SevenNet permettent un criblage à haut débit efficace des conducteurs ioniques, bien que la précision des barrières d'énergie ne soit pas corrélée à celle des prédictions géométriques.

Achinthya Krishna Bheemaguli, Penghao Xiao, Gopalakrishnan Sai Gautam2026-04-01
🔬 physics

Effect of uniaxial compressive stress on polarization switching and domain wall formation in tetragonal phase BaTiO3 via machine learning potential

Cette étude utilise un potentiel d'interaction par apprentissage automatique pour démontrer qu'une contrainte de compression uniaxiale d'environ 120 MPa déclenche un basculement de polarisation à 90° dans le BaTiO3 tétragonal, réduisant simultanément la polarisation rémanente et le champ coercitif tout en favorisant la formation de parois de domaines.

Po-Yen Chen, Teruyasu Mizoguchi2026-04-01
🔬 materials science

Controlling Mixed Mo/MoS2_2 Domains on Si by Molecular Beam Epitaxy for the Hydrogen Evolution Reaction

Cette étude démontre que l'ingénierie des défauts dans des films de MoS₂ épitaxiés sur silicium par épitaxie en jets moléculaires, via un contrôle précis de la stœchiométrie en soufre et des conditions de croissance, permet de créer des hétérostructures hybrides Mo/MoS₂ aux plans de base activés qui surpassent nettement les matériaux stœchiométriques pour la réaction d'évolution de l'hydrogène.

Eunseo Jeon, Vincent Masika Peheliwa, Marie Hrůzová Kratochvílová, Tim Verhagen, Yong-Kul Lee2026-04-01