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 studio dimostra che la deposizione di uno strato di copertura di biossido di silicio inferiore a 1 nm consente l'epitassia a fascio molecolare in area selettiva di semiconduttori III-V su materiali di maschera altamente reattivi o non selettivi come e , superando così i limiti ottici delle maschere tradizionali senza degradarne le prestazioni spettrali.
Questo articolo propone un'espressione universale per la larghezza della parete di dominio nei magneti Heisenberg a sottoreticoli multipli, stabilendo una connessione esatta tra il profilo della parete di dominio e la dispersione delle onde di spin a lunga lunghezza d'onda, un quadro che predice accuratamente le larghezze attraverso vari ordini magnetici e strutture reticolari fornendo al contempo una base microscopica per la loro dipendenza dalla temperatura.
Il documento introduce DPA4, un'innovativa architettura di potenziale interatomico SE(3)-equivariante caratterizzata da una convoluzione EMFA SO(2)-equivariante e ottimizzazioni di addestramento compatibili con i compilatori che raggiungono l'accuratezza allo stato dell'arte con un numero di parametri e costi di addestramento significativamente ridotti, stabilendo una nuova frontiera di Pareto accuratezza-costo per i grandi modelli atomistici.
Questo articolo introduce la Langevin Speculative Dynamics (LSD), un metodo di campionamento speculativo distribuito e agnostico rispetto al modello che accelera le simulazioni di dinamica molecolare di 3–9x utilizzando un modello di bozza veloce e una verifica parallela senza introdurre errori relativi o compromettere l'accuratezza della distribuzione del modello target.
Utilizzando la microscopia elettronica a scansione in trasmissione criogenica, i ricercatori hanno visualizzato direttamente la struttura a bassa temperatura del paraelettrico quantistico SrTiO3, rivelando che i suoi domini polari su scala nanometrica si auto-organizzano inizialmente in una struttura periodica prima di frammentarsi in piccoli cluster quando il materiale entra nel regime paraelettrico quantistico al di sotto dei 40 K.
Questo articolo esamina le prestazioni delle operazioni Tensor Train su CPU, GPU e TPU utilizzando JAX per adattare e accelerare un algoritmo di omogeneizzazione basato su SFFT di ispirazione quantistica, consentendo con successo simulazioni multiscala ad alta risoluzione che vanno da 300 milioni a 70 miliardi di punti griglia, altrimenti impraticabili con i tradizionali metodi FFT basati su GPU.
Combinando la teoria del funzionale della densità con correzione della dispersione con l'apprendimento automatico informato dalla fisica, questo studio elucida i meccanismi di adsorbimento e avvelenamento dello zolfo attraverso 30 cluster icosaedrici di 13 atomi di metalli di transizione, identificando la triade isoelettronica Ti-Zr-Hf come un gruppo equilibrato per la progettazione di catalizzatori subnanometrici tolleranti allo zolfo.
Il documento introduce ELECTRAFI, un modello veloce e differenziabile che predice le densità di carica periodiche nei materiali cristallini sfruttando trasformate di Fourier in forma chiusa di Gaussiane anisotrope per raggiungere un'accuratezza allo stato dell'arte con un'inferenza fino a 633 volte più veloce, riducendo così significativamente il costo computazionale totale dei calcoli DFT.