4119 articoli
La scienza dei materiali esplora come la struttura della materia determina le proprietà dei nuovi materiali, un campo fondamentale che guida l'innovazione tecnologica quotidiana. Dai superconduttori ai polimeri avanzati, questa disciplina studia le interazioni atomiche per creare soluzioni che vanno dall'elettronica flessibile ai dispositivi energetici più efficienti.
Su Gist.Science, ogni nuovo preprint pubblicato su arXiv nella sezione Cond-Mat — Mtrl-Sci viene elaborato per renderlo comprensibile a tutti. Offriamo sia riassunti tecnici dettagliati per gli esperti, sia spiegazioni in linguaggio semplice per chi si avvicina a questi argomenti per la prima volta, democratizzando l'accesso alla ricerca d'avanguardia.
Di seguito trovate la selezione più recente di studi su questi materiali, pronti per essere esplorati e compresi grazie ai nostri strumenti di sintesi.
Questo studio dimostra l'iniezione e la preservazione dello spin a temperatura ambiente in eccitoni-polaritoni all'interno di una microcavità a plasmone di Tamm monolitica che incorpora alogenuri di perovskite 2D, dove il rapido decadimento dei polaritoni supera i meccanismi di rilassamento dello spin per abilitare potenziali applicazioni in laser chirali e interruttori.
Questo studio dimostra che l'identificazione di emettitori di singoli fotoni nel nitruro di boro esagonale mediante ADF-STEM a risoluzione atomica è fondamentalmente limitata dallo spessore del campione (oltre le ~17 tavole) ed è suscettibile di errata identificazione a causa dell'astigmatismo residuo triassiale, rendendo la tecnica inaffidabile per i fiocchi più spessi tipicamente utilizzati nella ricerca fotonica.
Questo studio dimostra che l'introduzione di difetti di Wadsley e del disordine dei metalli di transizione negli anodi di MoNb12O33 potenzia significativamente la cinetica di diffusione del litio e la capacità ad alta velocità attivando percorsi di diffusione rapida a livelli di litiazione inferiori, come confermato attraverso una combinazione di caratterizzazione sperimentale e simulazioni di dinamica molecolare basate sull'apprendimento automatico.
Questo studio rivela che i nanosheets di carburo di molibdeno (MoC) esibiscono tempi di vita dei portatori significativamente più lunghi rispetto ad altri carburi di metalli di transizione a causa dei percorsi di decadimento fononico ristretti causati dalla grande differenza di massa tra gli atomi di Mo e C, offrendo una strategia promettente per migliorare le prestazioni dei dispositivi fototermici e fotovoltaici attraverso l'efficiente utilizzo dei portatori caldi.
Questo studio utilizza un modello kinetic Monte Carlo per dimostrare che, mentre l'aumento del contenuto di cromo nelle leghe FeCrAl sopprime la diffusione delle vacanze — in particolare nelle fasi ricche di Cr indotte dalle radiazioni — un maggiore contenuto di ferro aumenta la mobilità delle vacanze, potenzialmente migliorando la tolleranza alle radiazioni promuovendo l'annichilazione dei difetti.
Questo articolo investiga come un termine topologico di Chern-Simons non locale in una pseudo-elettrodinamica di Maxwell-Chern-Simons generi una massa dinamica e un gap energetico per le onde elettromagnetiche, inducendo un'ibridazione inedita tra i modi di superficie dei plasmoni-polaritoni elettrici e magnetici trasversali che è assente nella plasmonica planare convenzionale.
Questo articolo dimostra che la selezione di sottoinsiemi dei pool di strutture ASSYST guidata dalla leva e priva di etichette può ridurre significativamente il carico di lavoro di etichettatura DFT (di 2–3 volte) richiesto per addestrare potenziali di espansione di cluster atomici lineari accurati, mantenendo al contempo una fedeltà competitiva per energia, forza e livello di difetto rispetto alle strategie di campionamento casuale e ad altre strategie di base.
Questo articolo sostiene la necessità di un rinnovato interesse per le misurazioni accurate della diffusività ionica nello sviluppo di materiali per batterie, evidenziando come le pratiche attuali spesso trascurino una corretta valutazione della scala di lunghezza e che le prestazioni a livello di cella possano divergere dai valori di diffusività intrinseca, rendendo necessari rigorosi protocolli ottimali per stabilire significative relazioni struttura-proprietà.
Questo articolo presenta GQD-AdsNet, un framework di reti neurali grafiche addestrato su dati della teoria del funzionale della densità che predice in modo rapido e accurato le energie di adsorbimento dei metalli di transizione sui punti quantici di grafene, riducendo i costi computazionali di sei ordini di grandezza per consentire uno screening efficiente dei catalizzatori.
Questo studio stabilisce una strategia basata sui dati per l'ingegnerizzazione di una contrazione termica negativa sintonizzabile nei framework metal-organici, utilizzando un flusso di lavoro accelerato dal machine learning per esaminare oltre 12.000 strutture, identificando motivi strutturali chiave per una forte NTE che sono stati successivamente validati sperimentalmente con prestazioni record nelle varianti di Ce-UiO-66.