4119 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 un cadre qui intègre des modèles de matériaux par réseaux de neurones, physiquement cohérents et dépendants de la microstructure, à l'optimisation topologique basée sur la densité afin de permettre la conception efficace de structures hyperélastiques hétérogènes multi-échelles sous déformations finies.
SynCoTrain est un cadre d'apprentissage automatique semi-supervisé qui utilise une stratégie de co-entraînement avec des réseaux de neurones sur graphes duaux (SchNet et ALIGNN) ainsi que l'apprentissage Positif-Non-Étiqueté pour surmonter la rareté des données et prédire avec précision la synthétisabilité des cristaux d'oxydes, faisant ainsi progresser la découverte de matériaux à haut débit.
Cette étude intègre des mesures expérimentales à une modélisation quantico-chimique et computationnelle pour démontrer que l'hétérogénéité des liaisons et la forte anharmonicité pilotent la conductivité thermique de réseau exceptionnellement basse dans les argyrodites Ag8TS6 (T=Si, Ge, Sn), tout en confirmant que leurs conductivités thermique et ionique peuvent être ajustées indépendamment.
Cet article introduit la Distance de Nouveauté de Transport (TNovD), une nouvelle métrique de distribution basée sur le transport optimal et l'apprentissage contrastif qui évalue conjointement la qualité et la nouveauté des matériaux générés afin de surmonter les limites des approches d'évaluation existantes dans la découverte de matériaux.
Cette étude démontre que le désordre topologiquement contraint dans la glace de spins artificielle de type Shakti permet des effets de mémoire robustes et dépendants de la séquence, absents dans la glace de spins carrée conventionnelle, révélant comment le désordre corrélé et l'excitation cyclique peuvent générer une mémoire déterministe et stochastique dans les matériaux artificiels frustrés.
Cet article établit des règles de symétrie générales pour l'ingénierie des matériaux de cavité en utilisant la théorie des groupes pour classifier les motifs de rupture de symétrie induits par des champs du vide linéairement polarisés à travers tous les groupes ponctuels cristallographiques, un cadre validé par des calculs QED-DFT sur BaTiO et MoS.
Cette étude démontre que la chimie locale du site B, particulièrement la fraction de Mn en premier voisinage, régit principalement l'énergétique de formation des lacunes d'oxygène dans les pérovskites Ca-Ce-Ti-Mn, permettant l'identification de compositions spécifiques qui atteignent une performance redox supérieure pour la production d'hydrogène thermochimique solaire à des températures plus basses que la référence de céria.
Cet article démontre que les caractéristiques moyennées par atome issues de potentiels interatomiques d'apprentissage automatique (MLIP) pré-entraînés, tels que MACE, servent de coordonnées grossières efficaces tant pour évaluer les modèles génératifs de matériaux via une nouvelle métrique de distance de transport Coarse-Fine (CFTD) que pour guider le processus de génération lui-même.
Cet article introduit le premier modèle direct entièrement différentiable pour la microscopie de diffraction à haute énergie (HEDM) couvrant les géométries en champ lointain, en champ proche et à foyer ponctuel, permettant l'affinement conjoint des paramètres par descente de gradient et la quantification de l'incertitude tout en atteignant un accord au pixel près avec les simulateurs établis.
Cet article rend compte de la synthèse par épitaxie par jets moléculaires d'un nouveau nitrure ternaire, le PrTaN, et détaille la détermination de sa structure cristalline orthorhombique (groupe d'espace ) à l'aide d'une procédure d'ajustement spécialisée pour les données de diffraction de couches minces, démontrant ainsi le potentiel de l'EJM pour stabiliser et caractériser des matériaux nitrures complexes auparavant inexplorés.