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.
Lo studio rivela che la resistività anomala superlineare nel clatrato metallico BaNiP è guidata da una transizione di fase strutturale del primo ordine da tetragonale a ortorombica, dove il decadimento del contributo residuo alla resistività causato dal "rattling" locale degli atomi di Ba determina il comportamento anomalo osservato nella fase ortorombica.
Il lavoro presenta una classificazione basata sulla simmetria dei modelli di scattering SANS polarizzato generati da ensembles di nanoparticelle magnetiche con stati a vortice, identificando quattro regimi di anisotropia angolare distinti che dipendono dalla distribuzione statistica degli assi dei vortici e risultano robusti rispetto alla struttura radiale del nucleo.
Il paper introduce NLSTEM, un nuovo metodo di post-elaborazione basato sulla denoising non locale che migliora significativamente i tassi di indicizzazione della mappatura 4D-STEM, specialmente in campioni danneggiati da irradiazione ionica, grazie al miglioramento del rapporto segnale-rumore ottenuto tramite la media dei pattern di diffrazione.
Gli autori dimostrano che l'uso di luce THz combinata con un intenso campo magnetico di 33 Tesla permette di guidare il materiale antiferromagnetico NiO in un regime altamente non lineare, un passo fondamentale verso il commutamento risonante ultrafast dell'ordine antiferromagnetico.
Il documento presenta un metodo robusto basato sull'identificazione dei minimi di riflettanza per estrarre la permittività dielettrica in piano di microcristalli di materiali van der Waals di piccole dimensioni, superando le limitazioni della spettroscopia ellissometrica convenzionale e delle sonde near-field.
Questo studio presenta il Northeast Materials Database (NEMAD), una risorsa sperimentale di 67.573 voci sui materiali magnetici estratta tramite modelli linguistici di grandi dimensioni, che abilita modelli di machine learning ad alta precisione per la classificazione e la previsione delle temperature di transizione, accelerando così la scoperta di nuovi materiali magnetici ad alte prestazioni.
Il paper propone un modello teorico basato sull'Hamiltoniana di Hubbard che descrive lo stato ferrimagnetico del framework metallico-organico CrCl(pyz), spiegando con successo il momento magnetico osservato sperimentalmente e prevedendo accoppiamenti ferromagnetici tra i siti di cromo.
Questo studio numerico, basato sul modello Phase-Field Discrete Element, dimostra che il rallentamento del comportamento di scorrimento viscoso indotto dalla soluzione per pressione è causato da un meccanismo chimico (accumulo di soluto) quando la precipitazione è lenta, mentre diventa un meccanismo meccanico (riduzione dello stress) quando la precipitazione è rapida.
Lo studio analizza la scissione di tre magnoni in condotti di onde di spin realizzati con antiferromagneti sintetici, rivelando come le onde ottiche di basso ordine si dividano in doppietti di onde acustiche non degeneri e dimostrando che le regole di questa scissione influenzano le applicazioni nell'elaborazione non lineare di segnali a microonde.
Questo articolo illustra come l'intelligenza artificiale generativa stia rivoluzionando la progettazione e la sintesi dei MOF, passando da un approccio manuale a pipeline automatizzate e chiuse che accelerano la scoperta di materiali porosi per applicazioni energetiche e ambientali, pur evidenziando le sfide rimanenti relative alla fattibilità sintetica e alla diversità dei dati.