2692 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.
Attraverso estesi esperimenti criogenici e modellazione teorica, questo studio elucida i meccanismi di conduzione nelle fibre di nanotubi di carbonio ad alte prestazioni, dimostrando che il tunneling indotto da fluttuazioni eterogenee e il trasporto dipendente dal campo permettono loro di superare i metalli tradizionali nella conduttività ultima.
Il documento introduce \texttt{MACE-Field}, un potenziale interatomico -equivariante che integra un campo elettrico uniforme nella struttura di base di MACE per predire accuratamente le proprietà dielettriche, ferroelettriche e spettroscopiche di diversi materiali inorganici attraverso la differenziazione esatta di un funzionale dell'entalpia elettrica appreso.
Questo studio rivela che i nanotubi di dicalcogenuro di metalli di transizione Janus raggiungono l'energia minima ed esibiscono picchi anomali della frequenza dei fononi ottici quando il loro raggio estrinseco coincide con il raggio di curvatura intrinseco del monostrato, un fenomeno guidato da modi fononici morbidi derivanti dalla deviazione della curvatura.
Questo studio utilizza l'apprendimento automatico e la previsione strutturale basata sulla diffusione per rivelare che il difluorofosfato di litio amorfo (), un componente chiave dell'interfaccia elettrolitica solida, esibisce un'elevata conducibilità ionica grazie al disordine strutturale e all'abbondanza di difetti interstiziali, suggerendo che le fasi amorfe a miscela di anioni siano i principali percorsi di rapido trasporto ionico nelle batterie agli ioni di litio.
Questo articolo propone e valida la "coevoluzione dato-modello" come principio architettonico fondamentale per i database di materiali AI-native, dimostrando attraverso un prototipo ternario Li-P-S che i cicli endogeni di generazione-valutazione-raffinamento possono scoprire autonomamente nuove fasi stabili e raggiungere una modellazione predittiva ad alta precisione con un costo minimo di primi principi.
Questo articolo propone una nuova "Legge della Viscosità Modulata dai Vincoli" basata sul presupposto dell'Attualizzazione Continua del Presente, che supera i modelli standard come VFT e MYEGA nel descrivere sistemi formatori di vetro a finestra ampia, tenendo conto del continuo restringimento dell'accesso configurazionale durante il raffreddamento dei liquidi.
Questo studio combina la spettroscopia di fotoemissione con risoluzione di momento e calcoli DFT+U per caratterizzare sperimentalmente la struttura a bande elettronica dell'antiferromagnete stratificato CrPS, rivelando un gap di trasferimento di carica ligando-metallo e distinti schemi di ibridazione orbitale che governano le sue proprietà magnetiche e ottiche.
Questo articolo introduce un database allineato di Sintesi-Proprietà di Nanocristalli su larga scala, costruito utilizzando lo strumento NanoExtractor potenziato da LLM, che consente la progettazione inversa generativa di percorsi di sintesi di nanocristalli praticabili attraverso il modello NanoDesigner, convalidata con successo dalla conferma sperimentale di formulazioni di nanocristalli sia consolidate che nuove.
Il documento introduce MOF-LLM, un nuovo framework che migliora le capacità di ragionamento spaziale di un modello linguistico Qwen-3 8B attraverso il pre-addestramento continuo spazialmente consapevole, il fine-tuning supervisionato e l'apprendimento per rinforzo per ottenere la previsione della struttura 3D a livello di blocco, allo stato dell'arte e ad alta efficienza, per i Metal-Organic Framework.
MatMind è un modello fondazionale generativo unificato per la scienza dei materiali cristallini che integra la conoscenza struttura-attività e il feedback basato sulla fisica per superare le architetture specializzate ristrette sia nei compiti di predizione delle proprietà che in quelli di generazione di cristalli.