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.

🔬 optics

Infrared Phonon Thermoreflectance in Polar Dielectrics

Questo studio dimostra che i materiali dielettrici polari presentano coefficienti di termoriflettanza significativamente superiori rispetto ai tradizionali trasduttori metallici, stabilendoli come candidati altamente efficaci per la metrologia termica ottica di nuova generazione attraverso l'introduzione di una nuova figura di merito orientata alla progettazione e la validazione sperimentale su film di SiO2.

Saman Zare, William D. Hutchins, Daniel Hirt, Elizabeth Golightly, Patrick E. Hopkins2026-05-06
🔬 applied physics

Sol-Gel-Derived NiO/ZnO Thin Films with Single and Heterostructure Layers for Electrochemical Energy Storage

Questo studio dimostra che i film sottili a eterostruttura di NiO/ZnO derivati dal processo sol-gel, potenziati dal drogaggio con NaCl e con un ordine di impilamento ottimizzato, raggiungono una capacità specifica superiore (1,627 Fg⁻¹) rispetto alle controparti a singolo strato, evidenziando il loro potenziale come materiali elettrodici economici per supercondensatori.

Miss Nourin Nurain Amina, Md Noushad Hossain, Muhammad Shahriar Bashar, Munira Sultana, Md. Salahuddin Mina2026-05-06
🤖 machine learning

Predicting Euler Characteristics and Constructing Topological Structure Using Machine Learning Techniques

Questo studio propone un nuovo framework di machine learning che prevede la caratteristica di Eulero di immagini in ingresso generando configurazioni di spin e calcolando il loro numero di skyrmion, sfruttando una funzione di perdita Hamiltoniana informata dalla fisica per affinare la topologia senza richiedere grandi dataset preesistenti.

Gyunghun Yu (Department of Physics, Kyung Hee University, Seoul, South Korea), Seong Min Park (Department of Physics, Ky (…)2026-05-06
🔬 mesoscale physics

Tunable Odd-Parity Spin Splittings in Altermagnets

Questo articolo propone un quadro teorico per indurre scissioni di spin di parità dispari sintonizzabili in abbondanti altermagneti collineari accoppiandoli a un ordine statico di correnti di anello pari a PP-dispari, generato tramite luce polarizzata linearmente a due colori o ordine intrinseco, permettendo così la realizzazione di texture di spin di parità mista controllabili per applicazioni spintroniche avanzate.

Yue Yu2026-05-06
🔬 condensed matter

Quantum Geometric Quadrupole of Cooper Pairs

Questo lavoro stabilisce un quadro geometrico unificato per la dimensione delle coppie di Cooper basato sul momento di quadrupolo, rivelando che la curvatura di Berry, precedentemente trascurata, fornisce un contributo fondamentale che, insieme alla metrica quantistica, fissa un limite geometrico inferiore alla dimensione della coppia e spiega le grandi lunghezze di coerenza osservate nei superconduttori a bande piatte come il grafene romboedrico.

Wenqin Chen, Kaijie Yang, Ting Cao, Shi-Zeng Lin, Jiabin Yu, Di Xiao2026-05-06
🔬 materials science

Coupled phase transitions in crystalline solids with extreme chemical disorder

Questo studio dimostra che la progettazione mirata della composizione negli ossidi ad alta entropia di tipo spinello chimicamente disordinati può indurre transizioni di fase strutturali accoppiate attraverso un meccanismo di "cooperazione tramite competizione" tra distorsioni reticolari locali, sfidando l'idea che il disordine estremo escluda tali fenomeni emergenti.

Subha Dey, Rukma Nevgi, Suresh Chandra Joshi, Sourav Chowdhury, Nandana Bhattacharya, Kashish Kapoor, Tinku Dan, Subhadi (…)2026-05-06
🔬 materials science

Energy dissipation at the atomic scale explains how fracture energy depends on crack velocity in silica glass

Utilizzando simulazioni di dinamica molecolare con un potenziale appreso tramite machine learning, questo studio rivela che l'energia di frattura del vetro di silice aumenta fino al 33% al di sotto della soglia di ramificazione a causa di una combinazione dell'aumento della densità di energia superficiale intrinseca e dell'irregolarità su scala nanometrica, dimostrando che la frattura dinamica genera una struttura superficiale fondamentalmente diversa anziché semplicemente aumentare l'area superficiale apparente.

Marthe Grønlie Guren, Sigbjørn Løland Bore, François Renard, Henrik Andersen Sveinsson2026-05-06
🔬 mesoscale physics

First-principles prediction of chiral-phonon-induced orbital accumulation

Utilizzando calcoli basati sui primi principi, questo studio dimostra che il moto coerente chirale del reticolo nei metalli induce un'accumulazione orbitale significativa e un'accumulazione di spin più ridotta, rivelando che la risposta è governata principalmente dal carattere orbitale e dall'accoppiamento elettrone-fonone piuttosto che dal solo accoppiamento spin-orbita, identificando così i metalli di transizione leggeri come piattaforme promettenti per l'orbitronica guidata da fononi chirali.

A. Pezo, A. Manchon, Y. Nii, K. Ando, T. Kato2026-05-06
🔬 materials science

Scale-Dependent Input Representation and Confidence Estimation for LLMs in Materials Property Prediction

Questo studio dimostra che le rappresentazioni di input ottimali per la previsione delle proprietà dei materiali dipendono dalla scala dei LLM, con formati compatti adatti ai modelli più piccoli e descrizioni dettagliate che beneficiano quelli più grandi, stabilendo al contempo la media del log-verosimiglianza negativa come una metrica di confidenza efficace e priva di addestramento per i modelli affinati.

Shuichiro Ozawa, Izumi Takahara, Teruyasu Mizoguchi2026-05-06
🔬 materials science

Influence of ligand field and correlation on the electronic structure of NiO and CoO from DFT+DMFT calculations

Utilizzando calcoli DFT+DMFT autoconsistenti per la carica, questo studio indaga come la struttura cristallina, i campi dei leganti e le diverse intensità di correlazione (incluse le correlazioni 2p dell'ossigeno) influenzino la struttura elettronica e le funzioni spettrali del NiO e del CoO paramagnetici.

Daniel Mutter, Frank Lechermann, Daniel F. Urban, Christian Elsässer2026-05-06