2806 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 studio presenta un flusso di lavoro che combina calcoli *ab-initio* e un'indagine guidata dall'apprendimento automatico per identificare nuovi composti superconduttori a base di boro e carbonio, inclusi quelli con instabilità fononica, prevedendo diverse strutture promettenti con temperature critiche elevate.
Utilizzando la dicroismo magnetico circolare e lineare, gli autori identificano e mappano spazialmente stati nematici, chirali e ibridi nel triple-Q antiferromagnete CoTaS, dimostrandone la transizione di fase in funzione del campo magnetico e della temperatura e convalidando un modello teorico basato sull'interazione tra interazioni a quattro spin e anisotropia magnetica.
Questo articolo presenta un modello universale di Chern su triangolazioni arbitrarie di superfici chiuse orientabili, che utilizza risonatori o atomi artificiali e termini di hopping derivati da dualità per generare Hamiltoniani con gap topologici e numeri di Chern non banali, dimostrando la fattibilità di stati di bordo topologici e la realizzazione fisica tramite metamateriali.
Questo studio utilizza potenziali interatomici basati sull'apprendimento automatico per caratterizzare le proprietà strutturali e l'energetica dei difetti nelle leghe AlGaN, rivelando una forte dipendenza dalla composizione locale per l'energia di formazione delle coppie di Frenkel dell'azoto e per le barriere di migrazione dei difetti puntuali, fornendo così indicazioni cruciali per l'ingegneria dei difetti nei dispositivi optoelettronici e di potenza.
Lo studio calcola da principi primi le larghezze di riga vibrazionale dell'idrogeno chemisorbito su molibdeno e tungsteno, rivelando una forte dipendenza dalla copertura e suggerendo che, ad alte coperture, le interazioni adsorbato-adsorbato possano diventare un canale di dissipazione energetica più significativo rispetto all'eccitazione di coppie elettrone-lacuna.
Questo studio presenta un oscillatore di spin-Hall basato su un film di granato di ferro-itterio sostituito con gallio (Ga:YIG) con anisotropia magnetica perpendicolare, che genera onde di spin a frequenza controllabile dalla corrente e con un'ampia banda di frequenza, offrendo una piattaforma promettente per il calcolo neuromorfico.
Il paper presenta MolCrystalFlow, un modello generativo basato sul flow matching che risolve la sfida della previsione delle strutture cristalline molecolari disaccoppiando la complessità intramolecolare dall'impaccamento intermolecolare attraverso la rappresentazione delle molecole come corpi rigidi su varietà Riemanniane.
Questo studio presenta un approccio basato sui primi principi per costruire Hamiltoniani di Newns-Anderson mediante proiezione di operatori su dati DFT, validando il metodo per l'idrogeno chemisorbito su superfici metalliche e dimostrando che l'approssimazione del limite a banda larga è valida solo per l'alluminio ma non per il rame o il platino.
Questo articolo sostiene l'adozione di flussi di lavoro di intelligenza artificiale e laboratori autonomi per ottimizzare la progettazione di catalizzatori e l'ingegneria delle reazioni chimiche, creando un ciclo virtuoso di scoperta guidata dai dati che accelera lo sviluppo sostenibile nell'industria chimica.
Questo studio dimostra come un framework di apprendimento attivo basato sull'ottimizzazione bayesiana possa migliorare il controllo, la riproducibilità e la comprensione fisica della deposizione laser pulsata di ossidi correlati, identificando con efficienza le condizioni ottimali per la crescita di film di LaVO privi di impurità e con proprietà strutturali e ottiche ideali.