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

Impact of the Lattice Constant on the Polymorphism of Organic/Inorganic Interfaces

Questo studio dimostra che l'aumento della costante reticolare delle superfici dei metalli del gruppo del rame induce una transizione di fase negli strati monoatomici di TCNQ alterando significativamente le interazioni adsorbato-substrato e spostando le forze adsorbato-adsorbato da repulsive ad attrattive, favorendo di conseguenza polimorfi a impaccamento stretto.

Christoph Wachter, Oliver T. Hofmann2026-05-20
🔬 materials science

G0W0G_0W_0@HF and BSE methods in periodic systems from Hartree-Fock theory: gaussian orbital and density fitting approach

Questo lavoro presenta un framework G0W0G_0W_0@HF e di equazione di Bethe-Salpeter per sistemi periodici basato su orbitali gaussiani e fitting della densità, che corregge le sovrastime di gap di banda e larghezze di banda di valenza nei semiconduttori e negli ossidi fornite dall'Hartree-Fock, impiegando uno screening RPA esatto senza approssimazioni del polo del plasmon e una strategia di convergenza ibrida per gli stati virtuali.

Charles H. Patterson2026-05-20
🔬 materials science

Direct Simulation of LiNi0.8Mn0.1Co0.1O2 Transport Properties Using an Efficient and Accurate Machine Learning Potential

Questo studio sviluppa un potenziale di apprendimento automatico efficiente in termini di dati e accurato, basato su un modello fondazionale MACE fine-tunato e sull'apprendimento attivo, per abilitare simulazioni di dinamica molecolare su larga scala che prevedono direttamente i coefficienti di auto-diffusione del litio nei materiali catodici NMC811, superando i limiti di scala temporale e spaziale della teoria del funzionale densità tradizionale.

Jian He, Constantijn H. J. A. van de Wetering, Rolande W. Nolsen, Nongnuch Artrith2026-05-20
🔬 applied physics

Building a Regional Data-Centric Materials Science Ecosystem for Processing-Rich Materials Innovation in the Great Plains

Questo documento propone un ecosistema regionale incentrato sui dati per le Grandi Pianure per superare le barriere nell'innovazione dei materiali integrando asset sperimentali distribuiti con metadati FAIR, modelli consapevoli dell'incertezza e forza lavoro cross-addestrata, utilizzando un prototipo in germanio ad alta purezza per dimostrare come pratiche dati affidabili e infrastrutture interoperabili possano guidare la scoperta di materiali ricchi di processi.

D. -M. Mei, K. Acharya, C. M. Adhikari, M. Adhikari, S. Aryal, B. V. Benson, K. Bhatta, S. Bhattarai, N. Budhathoki, A. (…)2026-05-20
🔬 materials science

Partially reactive force field for the UiO-66 metal-organic framework

Questo articolo introduce nb-UiO-FF, un nuovo campo di forza parzialmente reattivo che modella con precisione le proprietà strutturali, meccaniche e dei difetti del reticolo metallo-organico UiO-66 e consente simulazioni di dinamica molecolare dei suoi meccanismi di sintesi solvotermica e di autoassemblaggio.

Akanksha Nawani (Sorbonne Université, CNRS, Physicochimie des Electrolytes et Nanosystèmes Interfaciaux, PHENIX, Paris (…)2026-05-20
🔬 materials science

Adaptive Slater Koster Parameters: Crossing Oxidation States with Density Functional Tight Binding

Questo articolo propone un metodo adattivo di Density Functional Tight Binding (DFTB) che regola dinamicamente i parametri di Slater-Koster in base agli ambienti atomici locali e agli stati di ossidazione utilizzando l'apprendimento automatico, ottenendo un'elevata accuratezza nella modellazione delle strutture elettroniche in sistemi diversificati come le superfici di nichel ossidato e la grafite intercalata con litio.

Yihua Song, Artem Samtsevych, Anton Beiersdorfer, Tobias Melson, Christoph Scheurer, Karsten Reuter, Chiara Panosetti2026-05-20
🔬 materials science

Lattice thermal conductivity decomposition: Peierls vs. non-Peierls contributions

Questo studio confronta vari metodi per calcolare la conduttività termica reticolare in tre sistemi cristallini, rilevando che gli approcci quadratici e di Peierls per la corrente di calore producono risultati simili, i fononi ottici possono dominare i modi acustici nel α\alpha-quarzo e l'approssimazione del tempo di rilassamento sottostima sistematicamente la conduttività termica.

Andrey Pereverzev2026-05-20
🔬 materials science

GenL: An extensible fitting program for Laue oscillations and whole pattern fitting

GenL è un programma flessibile, estensibile e open-source basato su MATLAB che utilizza un algoritmo genetico per simulare e adattare dati di riflettività e diffrazione ai raggi X provenienti da film sottili epitassiali, offrendo sia il codice sorgente che opzioni binarie precompilate per estrarre parametri strutturali come profili di deformazione e rugosità cristallina.

Anna L. Ravensburg, Johan Bylin, Vassilios Kapaklis, Gunnar K. Pálsson2026-05-19
🔬 applied physics

Grayscale control of local magnetic properties with direct-write laser annealing

Questo articolo dimostra una nuova tecnica di ricottura laser per scrittura diretta che riutilizza i metodi di patterning in scala di grigi per creare rapidamente complesse variazioni continue bidimensionali delle proprietà magnetiche di vari sistemi a film sottile, superando i precedenti limiti in termini di velocità e dimensionalità.

Lauren J. Riddiford, Jeffrey A. Brock, Katarzyna Murawska, Aleš Hrabec, Laura J. Heyderman2026-05-19