4173 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 articolo introduce la Langevin Speculative Dynamics (LSD), un metodo di campionamento speculativo distribuito e agnostico rispetto al modello che accelera le simulazioni di dinamica molecolare di 3–9x utilizzando un modello di bozza veloce e una verifica parallela senza introdurre errori relativi o compromettere l'accuratezza della distribuzione del modello target.
Questo studio dimostra che l'annealing ex-situ trasforma i film di SrFeO as-grown, che inizialmente consistono in maghemite nanocristallina e ossido di stronzio amorfo, in strutture di esaferrite di stronzio ben cristallizzate e orientate lungo l'asse c.
Questo articolo dimostra che le giunzioni a tunnel NbN-isolante-ferromagnete, fabbricate mediante un semplice processo in due fasi con una barriera ossidata, possono misurare in modo affidabile la polarizzazione di spin dei ferromagneti tramite la tecnica di Meservey-Tedrow a temperature fino a 1,6 K.
Utilizzando la microscopia elettronica a scansione in trasmissione criogenica, i ricercatori hanno visualizzato direttamente la struttura a bassa temperatura del paraelettrico quantistico SrTiO3, rivelando che i suoi domini polari su scala nanometrica si auto-organizzano inizialmente in una struttura periodica prima di frammentarsi in piccoli cluster quando il materiale entra nel regime paraelettrico quantistico al di sotto dei 40 K.
Questo articolo esamina le prestazioni delle operazioni Tensor Train su CPU, GPU e TPU utilizzando JAX per adattare e accelerare un algoritmo di omogeneizzazione basato su SFFT di ispirazione quantistica, consentendo con successo simulazioni multiscala ad alta risoluzione che vanno da 300 milioni a 70 miliardi di punti griglia, altrimenti impraticabili con i tradizionali metodi FFT basati su GPU.
Combinando la teoria del funzionale della densità con correzione della dispersione con l'apprendimento automatico informato dalla fisica, questo studio elucida i meccanismi di adsorbimento e avvelenamento dello zolfo attraverso 30 cluster icosaedrici di 13 atomi di metalli di transizione, identificando la triade isoelettronica Ti-Zr-Hf come un gruppo equilibrato per la progettazione di catalizzatori subnanometrici tolleranti allo zolfo.
Il documento introduce ELECTRAFI, un modello veloce e differenziabile che predice le densità di carica periodiche nei materiali cristallini sfruttando trasformate di Fourier in forma chiusa di Gaussiane anisotrope per raggiungere un'accuratezza allo stato dell'arte con un'inferenza fino a 633 volte più veloce, riducendo così significativamente il costo computazionale totale dei calcoli DFT.
Questo articolo dimostra che i modi fononici immaginari spuri distorcono significativamente le stime della capacità termica e traggono in inganno i benchmark di apprendimento automatico per i Metal-organic Frameworks, e propone un flusso di lavoro di post-elaborazione rapido per correggere questi errori per uno screening accurato delle proprietà termiche.
Questo articolo introduce RADII, un benchmark risolto per raggio che caratterizza sistematicamente la "frontiera di estrapolazione" dei modelli generativi di grafi per la scienza dei materiali, rivelando che la fedeltà strutturale degrada in modo prevedibile oltre i raggi di addestramento e che tale schema di degradazione è unico per ogni architettura di modello.
Questo articolo esamina come l'aumento dell'IA e dei dispositivi connessi stia guidando una transizione verso architetture di edge computing per soddisfare esigenze computazionali senza precedenti, delineando i progetti chiave e le metriche che plasmeranno i sistemi di sensori intelligenti di prossima generazione.