2832 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.
Il paper introduce QHFlow2, un modello di Hamiltonian basato su machine learning che, grazie a un'architettura SO(2)-equivariante, supera gli stati dell'arte nella previsione di energie e forze con un errore significativamente ridotto rispetto ai modelli precedenti.
Questo studio sistematico su etano e n-alcani dimostra che, per ottenere allineamenti energetici affidabili e riprodurre gli spostamenti chimici negli spettri XANES molecolari calcolati con condizioni al contorno periodiche, è necessario correggere gli effetti di dimensione finita del metodo full core-hole (FCH) tramite correzioni di Makov-Payne o una semplice correzione basata sul livello di Fermi, mentre il metodo excited core-hole (XCH) converge naturalmente grazie al suo stato finale neutro.
Questo studio combina spettroscopia di fotoemissione a bassa energia e calcoli DFT per caratterizzare la struttura a bande di Na₂KSb a 80 K, determinando con precisione parametri fondamentali come il gap di banda e le separazioni energetiche delle valli laterali, al fine di ottimizzare lo sviluppo di sorgenti di elettroni polarizzati.
Questo studio stabilisce che i modi rotazionali morbidi abilitati dalle interazioni alogeno-alogeno e le distorsioni ottaedriche statiche sono principi di progettazione fondamentali per ottenere materiali alogenuro con conduttività termica ultrabassa, portando alla scoperta di TaGaI8 come candidato promettente.
Questo articolo esamina le condizioni che generano o impediscono la separazione degli spin nelle bande energetiche degli antiferromagneti, proponendo che la separazione sia lo scenario predefinito e delineando i criteri specifici necessari per preservare la degenerazione di spin in questi materiali.
Questo studio dimostra che il caricamento sinergico di atomi di Pd dispersi e cluster di Pd su CdS promuove la deidrogenazione del metanolo con un'elevata efficienza, dove gli atomi singoli fungono da siti di ossidazione e i cluster da siti di riduzione, garantendo un'eccellente resa quantica e una frequenza di turnover record.
Questo studio dimostra che l'applicazione di campi elettrici alternati alla frequenza ottimale (~100 kHz) permette di commutare le pareti dei domini nei ferroelettrici con campi molto più deboli rispetto ai metodi tradizionali in corrente continua, offrendo così nuove prospettive per tecnologie di memoria a basso consumo energetico.
Questo lavoro presenta un framework di machine learning interpretabile ed efficiente dal punto di vista dei dati che, utilizzando descrittori topologici a risoluzione stratificata e modelli di alberi decisionali potenziati, identifica con successo le configurazioni più stabili di nanoparticelle complesse a partire da un numero limitato di calcoli DFT, fornendo al contempo approfondimenti fisici sui meccanismi di stabilità regionali.
Lo studio dimostra che l'aggiunta di ittrio alle leghe di magnesio rallenta significativamente l'evoluzione microstrutturale, come la ricristallizzazione statica e la crescita dei grani, grazie all'effetto di trascinamento soluto causato dalla segregazione dell'Y ai bordi dei grani, fornendo così nuove prospettive per la progettazione di leghe Mg termicamente stabili.
Questo lavoro presenta una piattaforma di screening ad alto rendimento che combina simulazioni di dinamica molecolare e ottimizzazione bayesiana per identificare nuovi elettroliti polimerici con prestazioni superiori rispetto al sistema PEO/LiTFSI, rivelando che architetture ramificate e gruppi chetonici migliorano significativamente il trasporto ionico.