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

Emergent superconductivity at 16.3 K in an altermagnetic candidate Na2−x_{2-x}V2_2Se2_2O with broken inversion symmetry

Il documento riporta la scoperta di una superconduttività emergente a una temperatura di transizione di circa 16,3 K nel nuovo composto stratificato Na2−x_{2-x}V2_2Se2_2O, un candidato altermagnetico privo di simmetria di inversione che funge da ponte tra i superconduttori ad alta temperatura a base di cuprati/nichelati e quelli a base di pnicturi di ferro.

Y. Sun, Z. Yin, T. Zhang, L. Wang, B. Ruan, Y. Huang, J. He, W. Zhu, M. Ma, J. Bai, J. Cheng, Q. Dong, C. Li, P. Liu, Q. (…)2026-04-02
🔬 materials science

Parameter-Efficient Fine-Tuning of Machine-Learning Interatomic Potentials for Phonon and Thermal Properties

Il paper introduce Equitrain, un framework di fine-tuning basato su LoRA che, applicato a 53 sistemi materiali, dimostra come l'adattamento efficiente di potenziali interatomici basati su machine learning con pochi dati aggiuntivi migliori significativamente la previsione delle proprietà fononiche e termiche rispetto ai modelli pre-addestrati o addestrati da zero.

Jonas Grandel, Philipp Benner, Janine George2026-04-02
🧬 biology

Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment

Il paper propone un framework di allineamento distributivo basato su modelli generativi e l'Adversarial Distribution Alignment (ADA) per colmare il divario tra simulazioni e dati sperimentali, permettendo di recuperare la distribuzione osservabile target anche in presenza di osservazioni parziali e correlate, come dimostrato su dati sintetici, molecolari e proteici.

Kai Nelson, Tobias Kreiman, Sergey Levine, Aditi S. Krishnapriyan2026-04-02
🔬 optics

Localized Energy States Induced by Atomic-Level Interfacial Broadening in Heterostructures

Il documento presenta un quadro teorico e conferma sperimentalmente che l'allargamento interfacciale a livello atomico nelle superlattice (SiGe)m/(Si)m induce stati energetici localizzati che creano nuove transizioni ottiche tra 2 e 2,5 eV, offrendo un metodo non distruttivo per caratterizzare tale fenomeno.

Anis Attiaoui, Gabriel Fettu, Samik Mukherjee, Matthias Bauer, Oussama Moutanabbir2026-04-01
🔬 materials science

Time-dependent global sensitivity analysis of the Doyle-Fuller-Newman model

Questo studio presenta un nuovo quadro per l'analisi di sensibilità globale applicata alle uscite temporali del modello Doyle-Fuller-Newman, identificando i parametri meno influenti sulla risposta di tensione durante una simulazione di ciclo di guida e fornendo una metodologia per gestire l'errore del modello quando tali parametri sono impostati su valori arbitrari.

Elia Zonta, Ivana Jovanovic Buha, Michele Spinola, Christoph Weißinger, Hans-Joachim Bungartz, Andreas Jossen2026-04-01
🔬 materials science

Accelerated Design of Mechanically Hard Magnetically Soft High-entropy Alloys via Multi-objective Bayesian Optimization

Questo studio presenta un approccio di ottimizzazione bayesiana multi-obiettivo che, integrando un modello surrogato d'insieme e una strategia di campionamento efficiente, identifica con successo composizioni di leghe ad alta entropia con proprietà meccaniche e magnetiche ottimizzate simultaneamente, superando il tradizionale compromesso tra durezza e morbidezza magnetica.

Mian Dai, Yixuan Zhang, Weijia He, Chen Shen, Xiaoqing Li, Stephan Schönecker, Liuliu Han, Ruiwen Xie, Tianhang Zhou, Ho (…)2026-04-01
🔬 materials science

Evaluation of Foundational Machine Learned Interatomic Potentials for Migration Barrier Predictions

Questo studio valuta l'accuratezza di cinque potenziali interatomici appresi tramite machine learning (MACE-MP-0, Orb-v3, SevenNet, CHGNet e M3GNet) nella previsione delle barriere di migrazione ionica, dimostrando che modelli come MACE-MP-0 e Orb-v3 offrono prestazioni superiori per lo screening ad alto rendimento di nuovi conduttori ionici, pur evidenziando che l'accuratezza nella previsione delle barriere energetiche non è necessariamente correlata a quella nella previsione della geometria locale.

Achinthya Krishna Bheemaguli, Penghao Xiao, Gopalakrishnan Sai Gautam2026-04-01
🔬 physics

Effect of uniaxial compressive stress on polarization switching and domain wall formation in tetragonal phase BaTiO3 via machine learning potential

Questo studio utilizza potenziali interatomici basati sull'apprendimento automatico per dimostrare che uno stress compressivo uniaxiale di circa 120 MPa innesca l'inversione di polarizzazione di 90° nel BaTiO3 tetragonale, riducendo l'energia di attivazione e favorendo la formazione di pareti di dominio, mentre stress superiori a 80 MPa generano un ciclo di isteresi doppio.

Po-Yen Chen, Teruyasu Mizoguchi2026-04-01
🔬 materials science

Controlling Mixed Mo/MoS2_2 Domains on Si by Molecular Beam Epitaxy for the Hydrogen Evolution Reaction

Questo studio dimostra che la crescita epitassiale controllata di MoS2_2 su silicio mediante epitassia da fasci molecolari, ottimizzando temperatura di ricottura e stechiometria per generare difetti e fasi metalliche residue, massimizza l'attività catalitica per l'evoluzione dell'idrogeno superando le prestazioni dei film stechiometrici.

Eunseo Jeon, Vincent Masika Peheliwa, Marie Hrůzová Kratochvílová, Tim Verhagen, Yong-Kul Lee2026-04-01