4239 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 lavoro presenta un modello analitico generale e strumenti numerici open-source per descrivere la propagazione dei polaritoni in eterostrutture piane composte da un numero arbitrario di strati anisotropi ruotati, fornendo così una base teorica fondamentale per l'ottica di torsione (twistoptics) e le sue applicazioni.
Utilizzando la magnetometria a vuoto di azoto (NV) su larga scala, gli autori dimostrano che i chiral overlayer molecolari possono modificare in modo enantioselettivo e dipendente dalla polarità del campo magnetico il diametro, la spaziatura e la forma degli skyrmioni in film sottili di CoFeB, aprendo la strada al controllo molecolare di queste texture di spin topologiche.
Questo studio identifica l'allotrobo del boro - come un semimetallo topologico spinless ideale in cui la simmetria protegge la coesistenza di una superficie nodale bidimensionale e di molteplici tipi di fermioni di Weyl, offrendo una piattaforma unica per indagare la fisica delle eccitazioni topologiche multidimensionali.
Attraverso calcoli di prima principio, lo studio dimostra che l'ingegnerizzazione tramite twist di un eterostruttura di bismutene su SiC(0001) induce una forte ibridazione orbitale e un'interazione spin-orbita di Rashba, stabilizzando una fase di Hall quantistico di spin robusta e sintonizzabile chimicamente.
Questo studio dimostra che l'integrazione di embedding linguistici naturali relativi alle condizioni di sintesi e test nei modelli di machine learning migliora significativamente la previsione della velocità di dissoluzione del vetro e ne estende la generalizzabilità a composizioni chimiche inedite, offrendo un approccio avanzato per la gestione sostenibile dei rifiuti nucleari.
Questo articolo presenta una prospettiva sul design generativo dei materiali inorganici, proponendo un quadro unificato che integra modelli di intelligenza artificiale fondazionali, dati multiscala e validazione sperimentale ad alto rendimento per affrontare le sfide del design inverso basato sui dati.
Questo lavoro introduce la "omogeneizzazione inversa distribuzionale", una metodologia non invasiva che sfrutta le proprietà meccaniche macroscopiche misurate per ricostruire le statistiche globali della microstruttura dei materiali, superando le difficoltà tradizionali legate al processo di inversione dell'omogeneizzazione.
Lo studio dimostra che l'impiego di leghe ad alta entropia nanoporose, come Al₀.₁CoCrFeNi e NbMoTaW, supera la fragilità intrinseca di questi materiali grazie a un meccanismo di incrudimento che sfrutta la fame e il moto rallentato delle dislocazioni, garantendo una resistenza specifica significativamente superiore e una maggiore resilienza termica rispetto ai materiali nanoporosi monoelementari.
Il paper presenta DAO, un framework pre-addestrato e basato su modelli fondazionali Siamese che combina un generatore di strutture e un predittore di energia per prevedere con alta precisione e velocità le strutture cristalline, superando i limiti dei metodi computazionali tradizionali.
Questo studio introduce un modello surrogato basato sull'Operatore Neurale di Fourier (FNO) che, integrando il metodo di campo di fase, permette una modellazione rapida e invariante alla risoluzione dell'evoluzione dei grani nei materiali, superando i limiti computazionali e di generalizzazione delle simulazioni tradizionali.