🔬 Category

cond-mat.mtrl-sci

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.

Modeling phase separation in polymer-derived carbonitride ceramics through extended machine learning molecular dynamics

Questo studio impiega un potenziale interatomico basato sull'apprendimento automatico addestrato su oltre 9.000 configurazioni per simulare la dinamica molecolare su larga scala di sistemi di carbonitruro di silicio, rivelando che il trattamento termico guida la separazione di fase in cui anelli di carbonio difettosi mediano la nucleazione di fogli simili al grafene all'interno della matrice amorfa, spiegando così le proprietà ibride uniche del materiale.

Fabien Mortier, Sylvian Cadars, Olivier Masson, Mauro Boero, Guido Ori, Yun Wang, Samuel Bernard, Assil Bouzid2026-05-21🔬 cond-mat.mtrl-sci

Dataset-aware entropy-maximized active learning for machine-learned interatomic potentials

Questo articolo presenta un framework di apprendimento attivo consapevole del dataset e a massimizzazione dell'entropia che combina la dinamica molecolare guidata dall'entropia locale con il filtraggio delle informazioni globali per generare in modo efficiente dati di addestramento di alta qualità per potenziali interatomici appresi tramite machine learning, ottenendo errori energetici significativamente inferiori rispetto al campionamento casuale su sistemi chimici diversificati con un numero minimo di strutture etichettate DFT.

Meiyan Wang, Rishi Rao, Li Zhu2026-05-21🔬 cond-mat.mtrl-sci

Superconducting PdTe Thin Film Via Topotactic Transformation, Toward Topological Superconductors

Questo lavoro dimostra la crescita riuscita di film sottili superconduttori PdTe di alta qualità, stabili all'aria e con proprietà simili a quelle del bulk, mediante epitassia da fasci molecolari tramite una trasformazione topotattica a partire da uno strato tampone PdTe₂, stabilendo una piattaforma promettente per la realizzazione di superconduttività topologica e modi zero di Majorana.

Hee Taek Yi, Min Ge, Renjie Xie, Colby J. Stoddard, David H. Yi, Xiaoyu Yuan, Xiong Yao, Seongshik Oh2026-05-21🔬 cond-mat

Ultrafast excitation of Bloch plasmon polaritons in hyperbolic metamaterials with an extreme ultra-violet transient grating

Questo articolo dimostra che un reticolo transitorio ultravioletto estremo, formato dall'interferenza di impulsi di laser a elettroni liberi, può superare il disadattamento di momento per abilitare l'eccitazione ultraveloce di polaritoni plasmonici di Bloch in metamateriali iperbolici, offrendo un'alternativa dinamica ai reticoli nanostrutturati permanenti per il controllo dei modi ottici.

Tlek Tapani, Hannes Kempf, Matteo Pancaldi, Laura Foglia, Emanuele Pedersoli, Roberta Totani, Adriana Valerio, Riccardo Mincigrucci, Ivaylo Nikolov, Miltcho B. Danailov, Aitor De Andrés, Roman Krahne (…)2026-05-21🔬 physics.optics

TriForces: Augmenting Atomistic GNNs for Transferable Representations

TriForces è un framework a tre flussi agnostico rispetto al modello che combina l'apprendimento auto-supervisionato con rappresentazioni separate di composizione e struttura per migliorare significativamente la trasferibilità e l'efficienza dei dati delle reti neurali a grafo atomistiche per i potenziali interatomici nell'apprendimento automatico.

Ali Ramlaoui, Alexandre Duval, Hannah Bull, Victor Schmidt, Hugues Talbot, Fragkiskos D. Malliaros, Joseph Musielewicz2026-05-21🔬 cond-mat.mtrl-sci

Interacting donor-acceptor pairs as the origin of coupled spin-optical signals in hexagonal boron nitride

Questo articolo utilizza calcoli basati sui primi principi per dimostrare che i segnali spin-ottici accoppiati nell'azoturo di boro esagonale originano da coppie donatore-accettore interagenti piuttosto che da difetti isolati, rivelando come la loro separazione e gli stati di carica governino le proprietà quantistiche chiave e offrendo un quadro unificato per la progettazione di emettitori quantistici a temperatura ambiente.

Guanjian Hu, Jijun Huang, Bing Huang, Song Li2026-05-21🔬 cond-mat.mtrl-sci

Tuning the low-energy band structure in twisted bilayer WSe2

Utilizzando la nano-ARPES, i ricercatori dimostrano che, sebbene il posizionamento in momento dei massimi della banda di valenza nel WSe2 a doppio strato torsionale rimanga fisso, l'angolo di torsione può essere utilizzato per sintonizzare la separazione energetica tra le bande di lacune nei punti K e Γ di oltre 100 meV, offrendo una via per controllare i gap di banda e l'accoppiamento elettrone-fonone dipendente dallo spin nei dispositivi bidimensionali.

T. -H. -Y. Vu, O. J. Clark, N. H. Jo, J. Blyth, Q. Li, C. Jozwiak, A. Bostwick, J. B. Muir, L. Jia, J. A. Davis, I. Di Bernardo, A. Grubisic Cabo, K. Xing, W. Zhao, S. H. Ryu, S. H. Lee, Z. Mao, K. Wa (…)2026-05-21🔬 cond-mat.mtrl-sci

What Lies Between Crystal and Randomly Packed Structures? A General Characterization of Non-Periodic Order

Attraverso un'estesa analisi di oltre 7.000 strutture allo stato fondamentale in un modello di impaccamento binario bidimensionale, il lavoro rivela che, sebbene le strutture non periodiche siano predominanti, circa il 35% di esse manifesta una "selettività strutturale", una proprietà che funge da firma di un ordine sottostante che si estende ben oltre i limiti di diversità dei cristalli periodici.

Ian Douglass, Peter Harrowell2026-05-21🔬 cond-mat

Generalized Phase Diagrams for Graphene CVD growth on Copper

Questo lavoro presenta un diagramma di fase generalizzato potenziato per la crescita CVD del grafene su rame che incorpora effetti di strain indotti dall'espansione termica e di desorbimento chimico per prevedere e guidare la sintesi razionale di grafene bi-strato di alta qualità collegando i parametri di crescita macroscopici ai meccanismi microscopici di selezione dello strato.

Tongtong Wang, Ke Jin, Yishi Zhang, Dajun Shu2026-05-21🔬 cond-mat.mtrl-sci

Anisotropic Crystallization Kinetics and Interfacial Dynamics of Phase-Change Material Sb2_2S3_3 from Machine Learning Force Field Simulations

Questo studio utilizza un campo di forza basato sull'apprendimento automatico per rivelare che Sb2_2S3_3 presenta una cristallizzazione anisotropa guidata dalla sua struttura a nastro quasi unidimensionale, con una cinetica di crescita controllata dall'interfaccia caratterizzata da un'energia di attivazione significativamente inferiore rispetto alla diffusione, offrendo intuizioni fondamentali per ottimizzarne le prestazioni nelle applicazioni di archiviazione dati e fotonica.

Souvik Chakraborty, Wen-Qing Li, Yun Liu2026-05-21🔬 cond-mat.mtrl-sci