🔬 Category

cond-mat.mtrl-sci

5012 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.

🔬 scienza dei materiali

GRADAR: orientation-map-driven detection and ranking of grains for targeted two-beam electron channeling contrast imaging

Questo articolo introduce GRADAR, un algoritmo guidato da mappe di orientamento che risolve il problema inverso di identificare e classificare grani specifici in un policristallo in grado di raggiungere una condizione di diffrazione a due fasci per l'Electron Channeling Contrast Imaging (ECCI), consentendo così l'imaging di dislocazioni automatizzato e ad alta precisione senza una selezione preventiva dei grani.

Johan Ewald Westraadt2026-08-04
🔬 scienza dei materiali

Generalized Bell inequalities and frustrated spin systems

Questo articolo stabilisce una corrispondenza tra le disuguaglianze di Bell generalizzate e i sistemi di spin frustrati, dimostrando che le violazioni quantistiche di tali disuguaglianze sono equivalenti all'esistenza di stati fondamentali classici coplanari con energia inferiore rispetto agli stati fondamentali Ising, un quadro utilizzato per generare nuove disuguaglianze, incluse alcune che non sono violate dallo stato di singoletto.

Heinz-Jürgen Schmidt2026-08-04
🔬 scienza dei materiali

Consistent machine learning for topology optimization with microstructure-dependent neural network material models

Questo articolo presenta un framework che integra modelli di materiale basati su reti neurali, fisicamente coerenti e dipendenti dalla microstruttura, con l'ottimizzazione topologica basata sulla densità per consentire la progettazione efficiente di strutture iperelastiche eterogenee multiscala sotto deformazioni finite.

Harikrishnan Vijayakumaran, Jonathan B. Russ, Glaucio H. Paulino, Miguel A. Bessa2026-08-03
🔬 scienza dei materiali

SynCoTrain: A Dual Classifier PU-learning Framework for Synthesizability Prediction

SynCoTrain è un framework di apprendimento automatico semi-supervisionato che utilizza una strategia di co-training con reti neurali grafiche duali (SchNet e ALIGNN) e l'apprendimento Positive-Unlabeled per superare la scarsità di dati e prevedere accuratamente la sintetizzabilità dei cristalli di ossido, promuovendo così la scoperta di materiali ad alto rendimento.

Sasan Amariamir, Janine George, Philipp Benner2026-08-03
🔬 scienza dei materiali

Thermal Transport in Ag8TS6 (T= Si, Ge, Sn) Argyrodites: An Integrated Experimental, Quantum-Chemical, and Computational Modelling Study

Questo studio integra misurazioni sperimentali con modellazione quantochimica e computazionale per dimostrare che l'eterogeneità del legame e la forte anarmonicità guidano l'eccezionalmente bassa conducibilità termica reticolare in Ag8TS6 (T=Si, Ge, Sn) argyroditi, confermando al contempo che le loro conducibilità termiche e ioniche possono essere regolate indipendentemente.

Joana Bustamante, Anupama Ghata, Aakash A. Naik, Christina Ertural, Katharina Ueltzen, Wolfgang G. Zeier, Janine George2026-08-03
🔬 scienza dei materiali

Transport Novelty Distance: A Distributional Metric for Evaluating Material Generative Models

Questo articolo introduce la Transport Novelty Distance (TNovD), una nuova metrica distributiva basata sull'Optimal Transport e sul contrastive learning che valuta congiuntamente la qualità e la novità dei materiali generati per superare i limiti degli approcci di valutazione esistenti nella scoperta di materiali.

Paul Hagemann, Simon Müller, Janine George, Philipp Benner2026-08-03
🔬 scienza dei materiali

Memory of topologically constrained disorder in Shakti artificial spin ice

Questo studio dimostra che il disordine a vincolo topologico nel ghiaccio di spin artificiale di tipo Shakti consente effetti di memoria robusti e dipendenti dalla sequenza, assenti nel convenzionale ghiaccio di spin quadrato, rivelando come il disordine correlato e l'azionamento ciclico possano generare memoria deterministica e stocastica in materiali artificiali frustrati.

Priyanka Priyanka, Cristiano Nisoli, Yair Shokef2026-08-03
🔬 scienza dei materiali

Symmetry Rules for Cavity Materials Engineering with Linearly Polarized Vacuum Fields

Questo articolo stabilisce regole generali di simmetria per l'ingegneria dei materiali in cavità utilizzando la teoria dei gruppi per classificare i modelli di rottura della simmetria indotti da campi del vuoto linearmente polarizzati attraverso tutti i gruppi puntuali cristallografici, un quadro validato tramite calcoli QED-DFT su BaTiO3_3 e MoS2_2.

Jingkai Quan, Chongxiao Fan, Benshu Fan, I-Te Lu, Dante M. Kennes, Angel Rubio2026-08-03
🔬 scienza dei materiali

Local B-site chemistry controls oxygen-vacancy energetics in Ca-Ce-Ti-Mn perovskites for thermochemical hydrogen production

Questo studio dimostra che la chimica locale del sito B, in particolare la frazione di Mn vicino al vicino più prossimo, governa principalmente l'energetica di formazione delle vacanze di ossigeno nelle perovskiti Ca-Ce-Ti-Mn, consentendo l'identificazione di composizioni specifiche che raggiungono prestazioni redox superiori per la produzione di idrogeno termochimico solare a temperature inferiori rispetto al benchmark della ceria.

Manish Kumar (Washington University in St. Louis), Natalia Ali (Arizona State University), Matthew D. Witman (Sandia Nat (…)2026-08-03
🤖 apprendimento automatico

Representations from Pretrained Machine-Learning Interatomic Potentials as Coarse Coordinates for Material Generation and Evaluation

Questo articolo dimostra che le caratteristiche mediate sugli atomi derivate da potenziali interatomici basati sul machine learning (MLIP) preaddestrati, come MACE, fungono da coordinate grossolane efficaci sia per valutare i modelli generativi di materiali tramite un nuovo indice di Coarse-Fine Transport Distance (CFTD), sia per guidare il processo di generazione stesso.

Paul Hagemann, Katharina Ueltzen, Simon Müller, Janine George, Philipp Benner2026-08-03