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 basato sui primi principi rivela che i termini di deformazione di ordine superiore linearmente dipendenti da sono cruciali per modellare accuratamente la struttura elettronica del HgTe deformato, spiegando la caratteristica a dorso di cammello nel regime di trazione e sostenendo l'emergere di una fase di semimetallo di Weyl sotto deformazione compressiva.
Questo studio dimostra che impulsi terahertz intensi possono eccitare parametricamente fononi attivi Raman in LaAlO inducendo un accoppiamento tra il modo Raman e coppie di fononi acustici, con conseguenti componenti subarmoniche sostanziali.
Lo studio rivela che le interazioni di scambio con un sovrastato magnetico di EuOx rivelano una texture di spin unassiale nascosta e altamente anisotropa nel gas di elettroni bidimensionale superconduttore alle interfacce di KTaO3 (110), offrendo nuove vie per esplorare l'interazione tra magnetismo e superconduttività bidimensionale.
Questo studio caratterizza il metallo ferromagnetico kagome ScMn6(Sn0.78Ga0.22)6, rivelando un asse di facile magnetizzazione nel piano che preserva un cono di Dirac senza gap e bande piatte, dimostrando così come l'orientamento magnetico moduli la struttura elettronica topologica del materiale e l'effetto Hall anomalo.
Questo studio impiega la dinamica molecolare basata sui primi principi per rivelare come TlO induca la depolimerizzazione della rete mentre TiO favorisca la ripolimerizzazione nei vetri di tellurite, fornendo un quadro predittivo per modulare la loro connettività strutturale e le proprietà ottiche non lineari.
Utilizzando calcoli basati sui primi principi, questo studio rivela che le vacanze di ossigeno e gli interstiziali neutri stabili a forma di doppio dominio dominano il panorama dei difetti intrinseci del BaInO ortorombico, fornendo un quadro termodinamico completo per comprendere la sua conducibilità ionica ed elettronica nelle celle a combustibile ad ossidi solidi.
Questo articolo presenta AiiDAlab, una piattaforma web basata su Jupyter costruita sull'infrastruttura AiiDA che consente agli scienziati di diverse discipline di automatizzare, gestire e analizzare flussi di lavoro computazionali complessi con piena riproducibilità, evidenziando al contempo la sua recente espansione nei quaderni di laboratorio elettronici, nelle strutture su larga scala e negli ambienti educativi.
Questo studio impiega simulazioni ab initio dirette su larga scala per proporre un nuovo metodo per determinare il confine di immiscibilità delle miscele H-He, rivelando che la presenza di elio ritarda significativamente la transizione isolante-metallo e riduce drasticamente le conduttività elettrica e termica, influenzando così profondamente l'evoluzione termica, la struttura interna e l'azione della dinamo dei giganti gassosi come Giove e Saturno.
Questo lavoro indaga il trasporto di carica e di energia nel grafene monostrato con disordine finito-range e liscio mediante un approccio non perturbativo che combina matrici di scattering esatte con l'equazione di Boltzmann, rivelando deviazioni significative dalle previsioni perturbative standard e dalla legge di Wiedemann-Franz, in particolare a basse energie.
AutoDFT è un framework multi-agente in ciclo chiuso che integra il ragionamento degli LLM in tutto il ciclo di vita del DFT per automatizzare la pianificazione, la generazione di parametri e il recupero dagli errori, ottenendo tassi di successo elevati su benchmark diversificati e consentendo ai non esperti di ottenere previsioni affidabili sui materiali basate sui primi principi.