2692 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.
Cet article présente deux filtres à échelle-réseau modifiés de type simple vers équilibré à 19 GHz, réalisés avec des résonateurs BAW en AlScN à polarisation périodique, qui éliminent le besoin de baluns externes tout en atteignant une faible perte d'insertion, un rejet hors bande élevé et des performances compétitives pour les applications de communication sans fil.
Cet article présente une version améliorée du cadre ComProScanner qui intègre des modèles de vision-langage pour extraire automatiquement les données de composition-propriété à partir de figures scientifiques, atteignant une grande précision et une rentabilité élevée tout en établissant le premier pipeline multimodal entièrement automatisé pour l'extraction de données de matériaux à partir de textes, de tableaux et d'images.
Cette revue met en lumière les récentes avancées technologiques dans la fabrication de contacts électriques multi-terminaux de haute qualité, définis par lithographie sur des monocristaux émergents, fournissant un guide pratique pour surmonter les défis posés par leurs géométries irrégulières et leurs caractéristiques structurelles pour des mesures de transport fiables.
Cet article présente un cadre évolutif et fondé sur les données qui examine une vaste base de données de matériaux afin d'identifier et de classer 36 altermagnets auparavant non signalés et 9 ferrimagnétiques compensés de Luttinger, établissant ainsi une voie à haut débit pour la découverte d'antiferromagnétiques non conventionnels présentant des applications spintroniques prometteuses.
Cet article rapporte la synthèse réussie de nanofeuillets de fluorographdiyne monocouche allant jusqu'à 60×60 nm² sur une surface d'Au(111) via une méthode de polymérisation covalente 2D sur surface sélective combinant la catalyse au cobalt et le gabarit de coronène pour surmonter les défis précédents liés à l'obtention de domaines de grande taille et exempts de défauts.
Cette étude utilise un transistor à effet de champ à base de graphène pour démontrer que le désordre structurel induit par la croissance et la cinétique multi-domaines régissent de manière critique le comportement de commutation de polarisation des bicouches de WSe2 empilées en structure 3R issues d'une croissance par CVD, offrant ainsi des perspectives clés pour l'optimisation des dispositifs ferroélectriques de van der Waals.
Cet article présente TMCgen, un modèle de diffusion sur variété qui génère de manière efficace et précise les géométries tridimensionnelles de divers complexes de métaux de transition en se concentrant sur des degrés de liberté clés tels que les angles de coordination et les torsions de ligands.
Cet article établit un cadre théorique général démontrant que la chiralité moléculaire dans les réseaux dipolaires dimérisés induit des états de bord topologiques accordables avec un étiquetage stéréochimique unique, offrant une plateforme contrôlable pour la matière quantique topologique quasi-unidimensionnelle.
Cet article propose une nouvelle approche d'apprentissage multimodal pour modéliser les interfaces de matériaux 2D bicouches empilés et prédire leurs propriétés émergentes, comblant ainsi une lacune dans la découverte de matériaux pilotée par l'IA en démontrant une efficacité et une efficience supérieures par rapport aux méthodes de référence.
Cet article démontre qu'une approche hybride d'apprentissage automatique, qui intègre des descripteurs élémentaires physiquement informés dans le cadre de Redlich-Kister, surmonte efficacement les limites de données de la modélisation CALPHAD traditionnelle pour permettre une prédiction robuste, de type « zero-shot », des paramètres d'interaction thermodynamiques pour des systèmes d'alliages inconnus ou à données limitées.