🔬 Category

cond-mat.mtrl-sci

3284 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.

🔬 materials science

The electric field gradient tensor as a symmetry-adapted order parameter in Landau theory

Questo articolo stabilisce un quadro sistematico della teoria di Landau che tratta il tensore del gradiente del campo elettrico (EFG) come un parametro d'ordine adattato alla simmetria, consentendo la previsione della sua risposta lineare o quadratica alle transizioni di fase strutturali sulla base delle rappresentazioni irriducibili e validando tali previsioni attraverso dati sperimentali e calcoli basati sui primi principi.

L. Scalise, A. W. Carbonari2026-07-30
🔬 applied physics

Two-magnon scattering in the framework of the Lippmann-Schwinger equation

Questo articolo introduce un framework di Lippmann-Schwinger per modellare lo scattering a due magnoni da potenziali di difetto deboli, dimostrando che lo scattering è determinato dalla sovrapposizione tra perturbazioni del campo efficace e stati di spin-wave degeneri, collegando così l'orientamento cristallografico all'allargamento della linea magnetica nei film di granato di ferro.

Jorge Marquez Chavez, Ondřej Wojewoda, Yixuan Song, Geoffrey S. D. Beach, Caroline A. Ross2026-07-30
🔬 materials science

Theory of phonon-magnon hybridization and angular momentum in CrI3_3 and CrBr3_3

Questo articolo sviluppa un framework hamiltoniano vincolato per quantificare l'ibridazione fonone-magnone in CrI3_3 e CrBr3_3, rivelando un mescolamento significativo (fino al 25% in CrBr3_3) e dimostrando come il momento angolare totale sia conservato pur essendo condiviso tra i sottosistemi fononici e magnonici ibridati.

Maxime Mignolet, Miquel Royo, Massimiliano Stengel, Matthieu J. Verstreate2026-07-30
🔬 materials science

Generation of representative powder particle packing in 2D/3D: which tool for which application?

Questo articolo valuta quattro strumenti open-source per la generazione di impaccamenti rappresentativi di particelle di polvere 2D/3D rispetto agli standard industriali, rivelando che, sebbene i codici del Metodo degli Elementi Discreti (DEM) raggiungano le densità di impaccamento più elevate, gli algoritmi sequenziali di caduta e rotolamento offrono un'alternativa computazionalmente efficiente con un'accuratezza accettabile per molte applicazioni.

Antoine Tainturier, Louis Lemarquis, Victor Szczepan, Marc Bernacki2026-07-30
🔬 materials science

No band gap, no problem: Defects in InAs using a band-avoiding occupation-constrained density functional theory

Questo articolo introduce un metodo di teoria del funzionale della densità con vincolo di occupazione ed evitamento delle bande (ba-occ-DFT) che supera il problema del gap di banda nullo nei semiconduttori a gap stretto come l'arseniuro di indio (InAs), consentendo previsioni accurate dei livelli di difetti atomici nonostante l'incapacità della DFT standard di riprodurre il band gap sperimentale.

Peter A. Schultz, Arthur H. Edwards, Evan M. Anderson, Anthony C. Knighton, Leopoldo Diaz2026-07-30
🔬 materials science

Towards real-time surrogate-free Bayesian inversion for neutron reflectometry

Questo articolo introduce un framework di inversione bayesiana rapido e privo di surrogati per la riflettometria neutronica che sfrutta gradienti esatti per abilitare metodi di Hamiltonian Monte-Carlo e Variational Inference altamente efficienti, offrendo velocità di quantificazione dell'incertezza e robustezza allo stato dell'arte per campioni complessi senza sacrificare l'intuizione fisica.

Max D. Champneys, Andrew J. Parnell, Philipp Gutfreund, Maximilian W. A. Skoda, Patrick A. Fairclough, Timothy J. Rogers (…)2026-07-29
🔬 materials science

Dual-Level Atomic and Coordination Geometry Learning for Crystal Property Prediction Using Graph Neural Networks

Il documento propone la Coordination Polyhedron Graph Network (CPGN), una rete neurale a grafi multi-scala che modella esplicitamente i livelli atomico, di legame e di poliedro di coordinazione attraverso l'attenzione incrociata bidirezionale per raggiungere un'accuratezza allo stato dell'arte nella previsione delle proprietà dei cristalli, catturando le unità strutturali fondamentali spesso trascurate dai modelli esistenti.

Sanjay Chakraborty2026-07-29
🔬 materials science

A flexible kinetic Monte Carlo framework for GaN molecular beam epitaxy with adaptive on-the-fly barrier evaluation

Questo articolo presenta un framework di Monte Carlo cinetico basato su reticolo, flessibile e scalabile, per la simulazione dell'epitassia a fasci molecolari di GaN che integra cataloghi di energia di attivazione predefiniti con valutazioni delle barriere adattive e basate sull'apprendimento automatico "on-the-fly" per modellare accuratamente fenomeni di crescita complessi quali la formazione di isole, il maturamento di Ostwald e il cammino delle isole guidato dalla temperatura.

Sajid Ali, Norbert Krause, Carla Verdi2026-07-29
🔬 materials science

MANDALA: An E(3)-Equivariant Graph Neural Network Framework for Learning Electronic-Structure Operators with Observable Guidance

Mandala è un framework di reti neurali a grafo modulare ed E(3)-equivariante che colma il divario tra l'apprendimento automatico e i calcoli della struttura elettronica apprendendo operatori quantistici a sparsità di blocco per predire direttamente osservabili elettronici come strutture a bande e densità degli stati, completando così i tradizionali potenziali interatomici basati sull'apprendimento automatico.

Bartosz Brzoza, Wiktoria Szopa, Zakaria Elabid, Vincent Martinetto, Varadarajan Rengaraj, Mani Lokamani, Thomas D. Kühne (…)2026-07-29