2792 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.
Il documento presenta un quadro teorico e conferma sperimentalmente che l'allargamento interfacciale a livello atomico nelle superlattice (SiGe)m/(Si)m induce stati energetici localizzati che creano nuove transizioni ottiche tra 2 e 2,5 eV, offrendo un metodo non distruttivo per caratterizzare tale fenomeno.
Questo studio presenta un nuovo quadro per l'analisi di sensibilità globale applicata alle uscite temporali del modello Doyle-Fuller-Newman, identificando i parametri meno influenti sulla risposta di tensione durante una simulazione di ciclo di guida e fornendo una metodologia per gestire l'errore del modello quando tali parametri sono impostati su valori arbitrari.
Questo studio presenta un approccio di ottimizzazione bayesiana multi-obiettivo che, integrando un modello surrogato d'insieme e una strategia di campionamento efficiente, identifica con successo composizioni di leghe ad alta entropia con proprietà meccaniche e magnetiche ottimizzate simultaneamente, superando il tradizionale compromesso tra durezza e morbidezza magnetica.
Questo studio valuta l'accuratezza di cinque potenziali interatomici appresi tramite machine learning (MACE-MP-0, Orb-v3, SevenNet, CHGNet e M3GNet) nella previsione delle barriere di migrazione ionica, dimostrando che modelli come MACE-MP-0 e Orb-v3 offrono prestazioni superiori per lo screening ad alto rendimento di nuovi conduttori ionici, pur evidenziando che l'accuratezza nella previsione delle barriere energetiche non è necessariamente correlata a quella nella previsione della geometria locale.
Questo studio utilizza potenziali interatomici basati sull'apprendimento automatico per dimostrare che uno stress compressivo uniaxiale di circa 120 MPa innesca l'inversione di polarizzazione di 90° nel BaTiO3 tetragonale, riducendo l'energia di attivazione e favorendo la formazione di pareti di dominio, mentre stress superiori a 80 MPa generano un ciclo di isteresi doppio.
Questo studio dimostra che la crescita epitassiale controllata di MoS su silicio mediante epitassia da fasci molecolari, ottimizzando temperatura di ricottura e stechiometria per generare difetti e fasi metalliche residue, massimizza l'attività catalitica per l'evoluzione dell'idrogeno superando le prestazioni dei film stechiometrici.
Questo studio dimostra che una rete neurale convoluzionale addestrata su dati micromagnetici può stimare in modo robusto e generalizzabile l'interazione di Dzyaloshinskii-Moriya interfaciale direttamente dalle immagini dei domini magnetici, offrendo un metodo rapido e quantitativo per caratterizzare le texture magnetiche.
Questo studio \textit{ab-initio} analizza le proprietà strutturali, elettroniche e iperfini della serie di titanati Ruddlesden-Popper NaRTiO, rivelando come l'evoluzione del raggio ionico dei lantanidi guidi una transizione da un regime dominato dalle rotazioni degli ottaedri a uno dominato dalle distorsioni, fornendo al contempo impronte digitali specifiche per simmetria nei gradienti di campo elettrico (EFG) che fungono da guida per tecniche sperimentali come NMR e PAC nella determinazione della simmetria dello stato fondamentale.
Il progetto "Singing Materials" introduce un pacchetto Python modulare che converte i dati sulle vibrazioni atomiche dei materiali (fononi) in suoni, dimostrando attraverso uno studio con utenti che questa sonificazione offre un approccio interpretabile e complementare per esplorare le proprietà dei materiali.
Questo studio presenta la prima misurazione diretta delle basse perdite dielettriche intrinseche dell'ossido di alluminio epitassiale (-AlO) integrato in una struttura eteroepitassiale con nitruro di titanio, dimostrando che tale piattaforma cristallina è promettente per ridurre le perdite nei circuiti quantistici superconduttori.