🔬 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.

Agentic Design of Compositional Descriptors via Autoresearch for Materials Science Applications

Questo articolo introduce Automat, un framework di ricerca autonoma in cui un agente IA progetta autonomamente e affina in modo iterativo descrittori basati sulla composizione interpretabili chimicamente per la previsione delle proprietà dei materiali, superando con successo le linee di base consolidate nella previsione dei gap di banda e delle temperature di Curie, pur evidenziando le attuali limitazioni nelle strategie di ricerca e nel controllo della complessità.

Matteo Cobelli, Stefano Sanvito2026-05-15🔬 cond-mat.mtrl-sci

Compositional and Magnetic Characterisation of Oblique Co and Fe Nanowire Structures Fabricated Using Focused Electron Beam Induced Deposition

Questo studio dimostra che la deposizione indotta da fascio elettronico focalizzato (FEBID) di nanofili di cobalto e ferro comporta una riduzione del contenuto metallico e dell'induzione magnetica ad angoli di crescita obliqui a causa di una dinamica di crescita non uniforme, ma tali variazioni possono essere mitigate ottimizzando i parametri del fascio, ad esempio utilizzando bassa tensione e alta corrente per fabbricare strutture con composizione coerente su angoli da 0° a 60°.

Aurys Silinga, Keir Edgar, Stephen McVitie, Kayla Fallon, András Kovács, Rafal E. Dunin-Borkowski, Trevor P. Almeida2026-05-15🔬 cond-mat.mes-hall

Melting Behavior and Phase Stability of CaO from Neural Network Potentials: a Molecular Dynamics Study

Questo studio impiega un potenziale interatomico basato sull'apprendimento automatico per eseguire simulazioni di dinamica molecolare su larga scala che determinano la temperatura di fusione, l'entalpia di fusione e la curva di fusione ad alta pressione dell'ossido di calcio, rivelando un rapporto di surriscaldamento dipendente dalla pressione e stabilendo i potenziali interatomici basati sull'apprendimento automatico come un quadro robusto per investigare la stabilità di fase degli ossidi ionici.

Francesca Menescardi, Stefano de Gironcoli2026-05-15🔬 cond-mat.mtrl-sci

Atomically resolved intrinsic superconducting gap in (La,Pr)3Ni2O7 films

Utilizzando microscopia e spettroscopia a effetto tunnel a risoluzione atomica su film di (La,Pr)₃Ni₂O₇ trasferiti criogenicamente, questo studio rivela un gap superconduttivo intrinseco senza nodi con due scale energetiche distinte, distinguendolo dagli spettri a forma di V causati dalla perdita di ossigeno e fornendo intuizioni chiave sulla simmetria di accoppiamento dei nickelati bilayer.

Xinxin Wang, Yaqi Chen, Cui Ding, Lizhi Xu, Jian-Jian Miao, Guangdi Zhou, Zhuoyu Chen, Yu-Jie Sun, Jin-Feng Jia, Qi-Kun Xue2026-05-15🔬 cond-mat.mtrl-sci

Generative reconstruction of 2D and 3D polycrystalline microstructures using symmetrized hyperspherical harmonics

Questo lavoro presenta un framework open-source e differenziabile implementato in MCRpy che utilizza armoniche ipersferiche simmetrizzate e descrittori avanzati di correlazione spaziale per generare in modo efficiente microstrutture policristalline 2D e 3D ad alta fedeltà a partire da dati di orientamento 2D limitati, consentendo così studi robusti di collegamento struttura-proprietà per la progettazione dei materiali.

Ali R. Safi, Paul Seibert, Santiago Benito, Alexander Raßloff, Markus Kästner, Benjamin Klusemann2026-05-15🔬 cond-mat.mtrl-sci

Current induced magneto-optical Kerr effect as a probe of Dirac carriers in Bi1−x_{1-x}Sbx_x alloy

Questo studio dimostra che l'effetto Kerr magneto-ottico indotto da corrente negli leghe Bi1−x_{1-x}Sbx_x funge da potente sonda per l'identificazione dei portatori di Dirac, come evidenziato da un'ampiezza del segnale superiore a quella dei metalli di transizione e da una distinta relazione di scala con resistività e mobilità che si allinea ai modelli di elettroni di Dirac piuttosto che alle teorie convenzionali delle bande paraboliche.

Ryota Miyazaki, Shunzhen Wang, Guanxiong Qu, Yukihiro Marui, Yuta Kobayashi, Masashi Kawaguchi, Masamitsu Hayashi2026-05-15🔬 cond-mat.mes-hall

Fragmented charged domain wall below the tetragonal-orthorhombic phase transition in BaTiO3

Questo studio rivela che il drastico calo della conducibilità delle pareti di dominio cariche testa-a-testa nel titanato di bario al di sotto della transizione di fase tetragonale-ortorombica è causato dalla frammentazione delle pareti in segmenti alternati carichi e non carichi su scala micrometrica, il che interrompe il canale conduttivo macroscopico.

Petr S. Bednyakov, Iegor Rafalovskyi, Jiri Hlinka2026-05-14🔬 cond-mat.mtrl-sci

Chirality-Induced Spin Selectivity: Nonlinear Spin Response from Electron-Phonon Scattering

Utilizzando la dinamica della matrice di densità spazio-temporale basata sui primi principi, questo studio rivela che nel selenio trigonale, l'accumulo di spin non lineare guidato dallo scattering tra valli mediato dal momento angolare dei fononi chirali distingue l'effetto di selettività di spin indotto dalla chiralità (CISS) dall'effetto Edelstein collineare lineare.

Mayank Gupta, Andrew Grieder, Mayada Fadel, Jacopo Simoni, Junting Yu, Ravishankar Sundararaman, Yuan Ping2026-05-14🔬 cond-mat.mtrl-sci

Random phase approximation-based local natural orbital coupled cluster theory

Questo lavoro introduce l'approssimazione di fase casuale (RPA) come alternativa robusta alla teoria delle perturbazioni di Møller-Plesset del secondo ordine (MP2) nell'ambito del metodo accoppiato-cluster basato su orbitali naturali locali (LNO-CC), dimostrando che l'LNO-CC basato su RPA mantiene l'accuratezza per sistemi con ampi gap energetici offrendo al contempo una convergenza significativamente più rapida per i sistemi metallici.

Ruiheng Song, Xiliang Gong, Aamy Bakry, Hong-Zhou Ye2026-05-14🔬 cond-mat.mtrl-sci