528 articoli
Questo progetto presenta un framework di deep learning basato su Spatial Transformer Networks che, addestrato su un ampio dataset sintetico, supera le sfide degli spostamenti energetici e delle sovrapposizioni nei dati XPS per classificare con alta accuratezza i gruppi funzionali dei materiali, facilitando così l'analisi automatizzata e lo sviluppo di laboratori autonomi.
Questo lavoro presenta un flusso di lavoro computazionale automatizzato per lo screening ad alto rendimento di polimeri, che integra un protocollo di ricottura adattivo per ridurre i costi computazionali e abilita l'uso di modelli di machine learning per prevedere proprietà come la densità e la temperatura di transizione vetrosa.
Questo lavoro ottimizza un funzionale ibrido a separazione di raggio per modellare l'accettore non-fullerene Y6, spiegando i suoi effetti solvato-cromici e proponendo una modifica alla lunghezza di separazione che migliora l'accuratezza dei funzionali standard senza richiedere un complesso processo di sintonizzazione.
Questo studio dimostra che i film di nitruro di tantalio (TaN) depositati tramite deposizione di strati atomici (ALD) possiedono un comportamento dielettrico isolante stabile a diverse temperature e una struttura chimica controllata, rendendoli candidati promettenti per le barriere di tunnel nei giunzioni Josephson dei circuiti quantistici superconduttori.
Questo studio estende la teoria del rilassamento spin-reticolo ai processi a tre fononi applicandola a un complesso di nitruro di cromo, dimostrando che tali contributi diventano rilevanti solo a temperature inaccessibili sperimentalmente e confermando così la validità dell'approssimazione di accoppiamento debole, pur evidenziando come un lieve aumento dell'accoppiamento potrebbe innescare effetti significativi a temperatura ambiente.
Questo studio combina calcoli DFT con correzioni Hubbard e dati sperimentali per predire e validare le morfologie all'equilibrio dei nanocristalli di solfuro di manganese, rivelando come la stabilità termodinamica e la forma superficiale dipendano dal potenziale chimico dello zolfo e dalla corretta descrizione degli stati elettronici del manganese.
Questo studio valida la trasferibilità degli interpotenziali interatomici appresi tramite machine learning (MLIP) dimostrando che un modello MACE riproduce con precisione gli spettri di spettroscopia di neutroni anelastica ad alta pressione del 2,5-diiodotiofene, confermando così la sua capacità predittiva al di fuori del regime di addestramento.
Gli autori riportano la propagazione coerente di onde di spin antiferromagnetiche su lunghe distanze a temperatura ambiente in -FeO, caratterizzate da velocità di gruppo senza precedenti fino a 22,5 km/s e descritte da un modello teorico che include l'interazione di Dzyaloshinskii-Moriya.
Questo studio presenta un film sottile amorfo di carburo di silicio su scala wafer che, con una resistenza alla trazione superiore a 10 GPa e fattori di qualità meccanica superiori a 10^8 a temperatura ambiente, stabilisce nuovi record per i materiali amorfi nanostrutturati, aprendo nuove prospettive per sensori nanomeccanici ad alte prestazioni e altre applicazioni avanzate.
Utilizzando un approccio non perturbativo e completamente autoconsistente, lo studio dimostra che l'accoppiamento tra spin ed elettroni modifica significativamente i parametri di scambio , permettendo la costruzione di modelli magnetici quantitativamente affidabili per la simulazione a temperatura finita e la progettazione di materiali.
Lo studio introduce il concetto di anisotropia indotta da coppie in semiconduttori magnetici diluiti come il GaMnN, dimostrando che l'inclusione di questo effetto nei modelli spinistici migliora significativamente l'accordo tra le simulazioni e i dati sperimentali rispetto ai modelli basati esclusivamente sull'anisotropia a singolo ione.
Questo studio dimostra che i film sottili di RuO₂ presentano un robusto effetto Hall di spin anisotropo con un angolo negativo, escludendo la presenza di una separazione di spin altermagnetica e fornendo nuove prospettive sulla conversione spin-carica in materiali con bassa simmetria cristallina.
Questo studio utilizza simulazioni computazionali su 1T-TaS per dimostrare come la pilastratura casuale degli strati, caratterizzata mediante dati di diffrazione a raggi X, regoli le proprietà elettroniche attraverso la coesistenza di fasi metalliche, di banda e di Mott, offrendo una base teorica per applicazioni di memoria a stato solido.
Questo studio rivela che, sebbene il MnTe bidimensionale perda la sua struttura cristallina compatibile con l'altermagnetismo, esso sviluppa nuove fasi magnetiche uniche come un antiferromagnete stratificato robusto nei bilayer e un comportamento simile a un vetro di spin nei monolayer, dimostrando come la riduzione dimensionale possa generare strutture magnetiche inedite rispetto ai corrispettivi tridimensionali.
Questo studio dimostra che l'uso di eccitazioni a due toni nei cristalli magnonici twistati genera pettini di frequenza magnonici, rivelando come gli angoli di twist finiti, attraverso interazioni a tre magnoni, ottimizzino la generazione di questi pettini per applicazioni nell'elaborazione dell'informazione e nella metrologia di precisione.
Questo studio dimostra un metodo diretto per determinare il sistema di assi principali del gradiente di campo elettrico in cristalli singoli di spin 3/2 tramite goniometria della frequenza di Rabi in risonanza quadrupolare nucleare, estendendo inoltre le misurazioni dei tempi di rilassamento a temperature criogeniche utilizzando un criostato privo di criogeni.
Questo studio rivela che la segregazione di soluti interstiziali in leghe binarie promuove la formazione di disconnessioni senza barriera energetica attraverso transizioni di fase dei bordi di grano, un meccanismo assente nei materiali puri che altera radicalmente la cinetica dei bordi di grano favorendo lo scorrimento puro e l'amorfizzazione.
Questo studio introduce un framework di deep learning basato su una rete neurale convoluzionale leggera che automatizza l'identificazione delle condizioni di imaging debole rispetto a quelle forti nella microscopia a raggi X in campo oscuro, superando i limiti della classificazione manuale e consentendo analisi scalabili e statisticamente significative delle dislocazioni nei materiali cristallini massivi.
Lo studio dimostra che la complessità chimica e la segregazione selettiva dei dopanti nelle interfacce amorfe di leghe nanocristalline Cu-riche modulano l'ordine strutturale a corto raggio, offrendo nuove possibilità per l'ingegnerizzazione microstrutturale.
Gli autori dimostrano sperimentalmente il primo neurone completamente magnonico con memoria sfumata sintonizzabile, capace di attivare, integrare fino a 50 impulsi e funzionare in cascata, superando le sfide delle interconnessioni puramente magnoniche per le applicazioni neuromorfiche.