cond-mat.mtrl-sci 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.

🔬 materials science

The Binding Energies of Atoms on Amorphous Silicate Dust: A Computational Study

Questo studio computazionale utilizza il metodo GFN1-xTB per calcolare le energie di legame di atomi abbondanti su superfici di silicati amorfi, rivelando che mentre elementi come Si, Al e Ca hanno energie di legame elevate che ne favoriscono la stabilità ad alte temperature, tutti gli elementi studiati rimangono legati ai grani di polvere interstellare ben al di sopra delle temperature tipiche del mezzo interstellare, fornendo dati fondamentali per i modelli di evoluzione della polvere e reazioni chimiche catalizzate.

Kristoffer Hansson, W. M. C. Sameera, Clarke J. Esmerian, Duncan Bossion, Stefan Andersson, Susanne Aalto, Wouter Vlemmi (…)2026-02-25

🔬 materials science

Excitons and Optical Response in Excitonic Insulator Candidate TiSe $_2$

Lo studio tramite calcoli *ab-initio* e l'equazione di Bethe-Salpeter suggerisce che il meccanismo dell'isolante eccitonico non sia la forza trainante principale della fase CDW nel TiSe $_2$ , sebbene le fluttuazioni eccitoniche possano risultare rilevanti nelle vicinanze della temperatura di transizione.

Dino Novko2026-02-25

🔬 materials science

Strained Donor-Bound Excitons in $^{28}$ Si

Questo studio presenta un'analisi sperimentale completa delle transizioni da donatore neutro a eccitone legato al donatore (D $^0$ $\rightarrow$ D $^0$ X) nel silicio arricchito isotopicamente $^{28}$ Si sotto stress uniaxiale e campi magnetici, permettendo di estrarre potenziali di deformazione specifici per donatore e fornendo parametri raffinati cruciali per la progettazione di dispositivi quantistici in silicio.

David A. Vogl, Noah L. Braitsch, Başak Ç. Özcan, Niklas S. Vart, M. L. W. Thewalt, Martin S. Brandt2026-02-25

🔬 materials science

Hydrodynamic permeability of fluctuating porous membranes

Questo studio introduce un modello di Darcy fluttuante per dimostrare come le fluttuazioni di porosità influenzino significativamente la permeabilità idrodinamica di membrane porose, offrendo nuove prospettive per l'ottimizzazione dei processi di separazione.

Albert Dombret, Adrien Sutter, Baptiste Coquinot, Nikita Kavokine, Benoit Coasne, Lydéric Bocquet2026-02-25

🔬 applied physics

Graded anisotropic metamaterials for elastic wave mode conversion

Questo studio presenta metamateriali anisotropi a gradiente funzionale bidimensionali che, mitigando il disadattamento di impedenza e sfruttando l'accoppiamento modale, abilitano una conversione efficiente e a banda larga tra onde longitudinali e di taglio, nonché tra modi radiali e tangenziali, attraverso interfacce con elevato contrasto di rigidità.

Jagannadh Boddapati, Jihoon Ahn, Alexander C Ogren, Chiara Daraio2026-02-25

🔬 applied physics

Machine learning-enabled inverse design of bimaterial thermoelastic lattice metamaterials

Questo lavoro presenta un approccio di progettazione inversa abilitato dall'apprendimento automatico per metamateriali termoelastici a nido d'ape bimateriale, che combina simulazioni ad alto rendimento e modelli neurali per predire efficientemente le proprietà efficaci e generare progetti strutturali ottimizzati per obiettivi specifici.

Xiang-Long Peng, Bai-Xiang Xu2026-02-25

🔬 materials science

Demonstration of High-Performance Ultra-Wide Bandgap SrSnO $_3$ Top-Gated MOSFETs

Il lavoro presenta la realizzazione di MOSFET a gate superiore ad alte prestazioni basati sul semiconduttore ossido a bandgap ultra-larga SrSnO $_3$ , che dimostrano mobilità, corrente di stato acceso e rapporto on/off eccezionali, confermandosi una piattaforma promettente per applicazioni nell'elettronica di potenza.

Junghyun Koo, Weideng Sun, Donghwan Kim, Hongseung Lee, Chengyu Zhu, Kiyoung Lee, Hagyoul Bae, Bharat Jalan, Gang Qiu2026-02-25

🔬 mesoscale physics

Electronic dynamics in long linear and cyclic polyynes towards the carbyne limit

Questo studio utilizza tecniche spettroscopiche avanzate per dimostrare che i polini lunghi (48 atomi di carbonio), sia lineari che ciclici, presentano stati fondamentali altamente delocalizzati con distorsioni di Peierls ridotte e dinamiche di eccitazione che mostrano una localizzazione rapida e un comportamento che si stabilizza verso il limite della carbyna, rivelando l'influenza cruciale della topologia sulle proprietà elettroniche di questi sistemi sp-ibridizzati.

Soumyadip Bhunia, Yueze Gao, Jack Woolley, Ross Milverton, Harry L Anderson, Raj Pandya2026-02-25

🔬 materials science

Machine Learning Modeling of Temperature-Dependent Optoelectronic Properties of Anharmonic Solid Solutions

Questo lavoro presenta un nuovo quadro computazionale che combina metodi di struttura elettronica *ab initio* con tecniche di apprendimento automatico per prevedere con precisione le proprietà optoelettroniche di soluzioni solide anarmoniche a temperatura finita, applicandolo con successo alle soluzioni solide di alogenuri d'argento per rivelare l'interazione tra disordine chimico, dinamica reticolare e struttura elettronica.

Pol Benítez, Cibrán López, Edgardo Saucedo, Claudio Cazorla2026-02-25

🔬 materials science

Determining Atomic Structure from Spectroscopy via an Active Learning Framework

Il framework ActiveStructOpt, che integra modelli surrogati di reti neurali a grafo con l'apprendimento attivo, permette di determinare efficientemente la struttura atomica di materiali complessi a partire da dati spettroscopici, superando i limiti computazionali dei metodi tradizionali.

Ian Slagle, Faisal Alamgir, Victor Fung2026-02-25

← Precedente Successivo →

cond-mat.mtrl-sci

The Binding Energies of Atoms on Amorphous Silicate Dust: A Computational Study

Excitons and Optical Response in Excitonic Insulator Candidate TiSe2_22​

Strained Donor-Bound Excitons in 28^{28}28Si

Hydrodynamic permeability of fluctuating porous membranes

Graded anisotropic metamaterials for elastic wave mode conversion

Machine learning-enabled inverse design of bimaterial thermoelastic lattice metamaterials

Demonstration of High-Performance Ultra-Wide Bandgap SrSnO3_33​ Top-Gated MOSFETs

Electronic dynamics in long linear and cyclic polyynes towards the carbyne limit

Machine Learning Modeling of Temperature-Dependent Optoelectronic Properties of Anharmonic Solid Solutions

Determining Atomic Structure from Spectroscopy via an Active Learning Framework

Excitons and Optical Response in Excitonic Insulator Candidate TiSe $_2$

Strained Donor-Bound Excitons in $^{28}$ Si

Demonstration of High-Performance Ultra-Wide Bandgap SrSnO $_3$ Top-Gated MOSFETs