cond-mat.mtrl-sci 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.

Physics-informed neural network for predicting fatigue life of unirradiated and irradiated austenitic and ferritic/martensitic steels under reactor-relevant conditions

Questo studio propone un framework di reti neurali informate dalla fisica (PINN) che, integrando vincoli fisici nel processo di apprendimento, supera i metodi tradizionali nel prevedere con maggiore accuratezza e affidabilità la vita a fatica di acciai austenitici e ferritici/marstenitici, irradiati e non, in condizioni operative dei reattori nucleari.

Dhiraj S Kori, Abhinav Chandraker, Syed Abdur Rahman, Punit Rathore, Ankur Chauhan2026-03-20🔬 cond-mat.mtrl-sci

Parity Breaking at Faceted Crystal Growth Fronts during Ice Templating

Utilizzando simulazioni di campo di fase, lo studio dimostra che la selezione della direzione di crescita della struttura ghiacciata durante la solidificazione direzionale di soluzioni acquose è governata da una rottura spontanea di parità, fornendo previsioni quantitative sull'angolo di inclinazione delle lamine e una base teorica per interpretare le osservazioni sperimentali nella templazione di materiali porosi gerarchici.

Kaihua Ji, Alain Karma2026-03-20🔬 cond-mat.mtrl-sci

Phase-Field Model of Freeze Casting

Questo lavoro presenta un modello quantitativo di campo di fase che estende la formulazione a interfaccia sottile per simulare la solidificazione direzionale di soluzioni acquose, rivelando come le proprietà anisotrope dell'interfaccia ghiaccio-acqua guidino la formazione di lamelle di ghiaccio parzialmente facettate con deriva laterale controllata dalla cinetica del piano basale.

Kaihua Ji, Alain Karma2026-03-20🔬 cond-mat.mtrl-sci

DiffCrysGen: A Generative Diffusion Model for Accelerated Design of Inorganic Crystalline Materials

Il documento presenta DiffCrysGen, un modello generativo basato sulla diffusione che accelera la progettazione di materiali cristallini inorganici funzionali unificando la generazione di strutture complete in un singolo processo end-to-end, permettendo così la scoperta rapida e valida di nuovi magneti privi di terre rare.

Sourav Mal, Nehad Ahmed, Junaid Jami, Subhankar Mishra, Prasenjit Sen2026-03-20🔬 cond-mat.mtrl-sci

Intrinsic nonlinear Hall effect beyond Bloch geometry

Il lavoro propone una formulazione geometrica quantistica generale dell'effetto Hall intrinseco non lineare, valida anche in presenza di disordine e interazioni, che supera i limiti della geometria di Bloch rivelando tale fenomeno come una risposta fondamentale dello stato fondamentale molti-corpo.

Raffaele Resta2026-03-20🔬 cond-mat.mtrl-sci

Mechanically concealed holes

Lo studio dimostra che è possibile mantenere inalterata la rigidità meccanica globale di un materiale elastico contenente fori, mascherandone la presenza semplicemente regolando lo spessore di un guscio rigido circostante, una scoperta valida sia a livello macroscopico che atomistico e rilevante per la costruzione di strutture leggere.

Kanka Ghosh, Andreas M. Menzel2026-03-20🔬 cond-mat.mtrl-sci

KAN-Enhanced Contrastive Learning Accelerating Crystal Structure Identification from XRD Patterns

Il paper presenta XCCP, un framework di apprendimento contrastivo guidato dalla fisica che integra le reti Kolmogorov-Arnold per accelerare e automatizzare l'identificazione delle strutture cristalline dai pattern di diffrazione XRD, ottenendo elevate prestazioni nel recupero strutturale e nell'identificazione dei gruppi spaziali anche in contesti sperimentali complessi.

Chenlei Xu, Tianhao Su, Jie Xiong, Yue Wu, Shuya Dong, Tian Jiang, Mengwei He, Shuai Chen, Tong-Yi Zhang2026-03-20🔬 cond-mat.mtrl-sci

Origin of Bright Quantum Emissions with High Debye-Waller factor in Silicon Nitride

Utilizzando la teoria del funzionale densità ibrida, lo studio identifica i centri N $_\text{Si}$ V $_\text{N}$ con carica negativa in configurazione C $_{1h}$ come l'origine microscopica delle brillanti emissioni quantistiche nel nitruro di silicio, caratterizzate da alte linee zero-fonone e fattori di Debye-Waller.

Shibu Meher, Manoj Dey, Abhishek Kumar Singh2026-03-20🔬 cond-mat.mtrl-sci

Multimodal Machine Learning for Soft High-k Elastomers under Data Scarcity

Questo studio presenta un framework di apprendimento multimodale basato su rappresentazioni preaddestrate su larga scala, applicato a un dataset curato di elastomeri acrilici, per superare la scarsità di dati e prevedere in modo efficiente le proprietà dielettriche e meccaniche di nuovi materiali ad alto-k.

Brijesh FNU, Viet Thanh Duy Nguyen, Ashima Sharma, Md Harun Rashid Molla, Chengyi Xu, Truong-Son Hy2026-03-20🔬 cond-mat.mtrl-sci

Lightweight phase-field surrogate for modelling ductile-to-brittle transition through phenomenological elastoplastic coupling

Questo lavoro propone un surrogato leggero basato sul campo di fase, implementato in FEniCSx, che modella la transizione duttile-fragile nei sistemi cubici a corpo centrato attraverso l'accoppiamento fenomenologico elastoplastico e la dipendenza dalla temperatura, permettendo di simulare efficientemente l'evoluzione del comportamento di frattura da 77 a 293 K senza il costo computazionale dei modelli termodinamici completamente accoppiati.

P G Kubendran Amos2026-03-20🔬 cond-mat.mtrl-sci

← Precedente Successivo →