2692 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 articolo presenta due filtri a scala-reticolare modificati da single-ended a bilanciati a 19 GHz, realizzati con risonatori BAW in AlScN a polarizzazione periodica, che eliminano la necessità di balun esterni pur ottenendo una bassa perdita di inserzione, un'elevata reiezione fuori banda e prestazioni competitive per applicazioni di comunicazione wireless.
Questo articolo presenta una versione potenziata del framework ComProScanner che integra modelli visione-linguaggio per estrarre automaticamente dati composizione-proprietà da figure scientifiche, raggiungendo un'elevata accuratezza e un'ottima efficacia in termini di costi, stabilendo al contempo la prima pipeline multimodale completamente automatizzata per l'estrazione di dati sui materiali da testi, tabelle e immagini.
Questa revisione evidenzia i recenti progressi tecnologici nella fabbricazione di contatti elettrici multi-terminale di alta qualità, definiti litograficamente su singoli cristalli emergenti, fornendo una guida pratica per superare le sfide poste dalle loro geometrie irregolari e dalle loro caratteristiche strutturali per misurazioni di trasporto affidabili.
Questo articolo presenta un framework scalabile e basato sui dati che esamina un vasto database di materiali per identificare e classificare 36 altermagneti precedentemente non segnalati e 9 ferromagneti a compensazione di Luttinger, stabilendo una via ad alto rendimento per la scoperta di antiferromagneti non convenzionali con promettenti applicazioni spintroniche.
Questo articolo riporta la sintesi riuscita di nanosheets di fluorografdiina a strato singolo fino a 60×60 nm² su una superficie di Au(111) tramite un metodo di polimerizzazione covalente 2D su superficie selettiva che combina la catalisi al cobalto e il templating del coronene per superare le precedenti sfide nel raggiungere domini ampi e privi di difetti.
Questo studio utilizza un transistor a effetto di campo a base di grafene per dimostrare che il disordine strutturale indotto dalla crescita e la cinetica multi-dominio governano criticamente il comportamento di commutazione della polarizzazione dei bilayer di WSe2 con impilamento 3R cresciuti tramite CVD, offrendo approfondimenti chiave per l'ottimizzazione dei dispositivi ferroelettrici di van der Waals.
Questo articolo introduce TMCgen, un modello di diffusione su varietà che genera in modo efficiente e accurato le geometrie tridimensionali di diversi complessi di metalli di transizione concentrandosi su gradi di libertà chiave quali angoli di coordinazione e torsioni dei leganti.
Questo articolo stabilisce un quadro teorico generale dimostrando che la chiralità molecolare in array dipolari dimerizzati induce stati di bordo topologici sintonizzabili con un'etichettatura stereochimica unica, offrendo una piattaforma controllabile per la materia quantistica topologica quasi-unidimensionale.
Questo articolo propone un nuovo approccio di apprendimento multimodale per modellare le interfacce di materiali 2D a doppio strato impilati e prevederne le proprietà emergenti, colmando una lacuna nella scoperta di materiali guidata dall'IA dimostrando una superiorità in termini di efficacia ed efficienza rispetto ai metodi di base.
Questo articolo dimostra che un approccio di apprendimento automatico ibrido, che incorpora descrittori elementari fisicamente informati nel framework di Redlich-Kister, supera efficacemente le limitazioni dei dati della modellazione CALPHAD tradizionale per consentire una robusta previsione zero-shot dei parametri di interazione termodinamica per sistemi di leghe sconosciuti o con scarsità di dati.