🔬 Category

cond-mat.mtrl-sci

4941 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.

🔬 scienza dei materiali

Strain-Induced Metal-to-Insulator Transition in Antiferromagnetic SrCrO3_3 Thin Films

Questo studio dimostra la crescita riuscita di film sottili antiferromagnetici di alta qualità di SrCrO3_3 e rivela che, mentre il materiale mantiene uno stato metallico sotto bassa deformazione, l'aumento sia della deformazione tensile che di quella compressiva induce una transizione metallo-isolante guidata da distorsioni strutturali dipendenti dalla deformazione, il tutto mentre la temperatura di transizione magnetica rimane costante.

S. Jöhr (University of Zurich, Zurich, Switzerland), A. Carta (Materials Theory, ETH Zurich, Switzerland, Paul Scherrer (…)2026-09-18
🔬 scienza dei materiali

Truncated automatic sparse differentiation for machine learning interatomic potentials

Questo articolo propone la differenziazione sparsa automatica troncata per calcolare efficientemente le derivate di ordine superiore per i potenziali interatomici del machine learning, sfruttando la località fisica per scartare le interazioni a lungo raggio trascurabili, ottenendo accelerazioni di un ordine di grandezza con un impatto minimo sugli osservabili predetti.

Marcel F. Langer, Adrian Hill, Michele Ceriotti2026-09-18
🔬 scienza dei materiali

Multiconfigurational Analysis of Local Electronic Structure of RuO2\mathrm{RuO_2} Using Relativistic Embedded Clusters

Questo studio impiega calcoli multiconfigurazionali relativistici su cluster immersi per dimostrare che la soppressione dell'altermagnetismo nel bulk di RuO2\mathrm{RuO_2} deriva dalla preservazione della quasi-degenerazione degli orbitali 4d4d sotto simmetria quasi-tetragonale, il che inibisce l'ordine quadrupolare locale necessario per lo splitting di spin.

Zhosan I. A., Lomachuk Yu. V., Maltsev D. A., Moiseev I. A., Andreev O. Yu2026-09-18
🔬 scienza dei materiali

Spin-Lattice Dynamics and Interactions in Magnonic Spinels

Questo articolo dimostra che l'ordinamento sito-specifico di Al/Li nelle ferriti spinello crea uno stato ferrimagnetico isolante con un quenching della densità degli stati al livello di Fermi, mentre i calcoli *ab initio* rivelano che l'intersezione tra i modi di magnone a bassa frequenza e i modi fononici acustici guida una forte ibridazione, offrendo una via microscopica per minimizzare lo smorzamento magnetico per tecnologie magnoniche a bassa perdita.

Hari Paudyal, Yuri Suzuki, Michael E. Flatté, Durga Paudyal2026-09-18
🔬 scienza dei materiali

First-principles theory of phonon renormalization from nonlinear electron-phonon interactions

Questo articolo stabilisce un quadro diagrammatico basato sui primi principi dimostrando che le interazioni non lineari elettrone-uno-e-due-fononi, a differenza dei accoppiamenti lineari, rinormalizzano le frequenze fononiche in tutta la zona di Brillouin con una distinta dipendenza dalla temperatura, un fenomeno quantificato in semiconduttori polari come LiF e KTaO3_3 e applicabile a materiali con forti fluttuazioni reticolari.

Florian Kluibenschedl, Matthew Houtput, Jacques Tempere, Cesare Franchini, Mikhail Lemeshko, Ragheed Alhyder2026-09-18
🔬 scienza dei materiali

Active Learning Enables Generation of Molecules that Advance the Known Pareto Front

Questo articolo introduce una pipeline di apprendimento attivo a ciclo chiuso che riaddestra iterativamente su dati di simulazione chimica quantistica per superare i limiti di generalizzazione dei modelli statici, generando con successo molecole sintetizzabili con proprietà che superano significativamente la distribuzione originale di addestramento.

Evan R. Antoniuk, Peggy Li, Nathan Keilbart, Stephen Weitzner, Bhavya Kailkhura, Anna M. Hiszpanski2026-09-17
🔬 scienza dei materiali

BOOM: Benchmarking Out-Of-distribution Molecular Property Predictions of Machine Learning Models

Questo articolo introduce BOOM, il primo benchmark open-source chimicamente informato per valutare sistematicamente la generalizzazione fuori distribuzione (OOD) nella predizione delle proprietà molecolari, rivelando che gli attuali modelli di apprendimento automatico faticano a estrapolare oltre i propri dati di addestramento e sottolineando la necessità di nuovi approcci per ottenere una prestazione OOD robusta.

Evan R. Antoniuk, Shehtab Zaman, Tal Ben-Nun, Peggy Li, James Diffenderfer, Busra Sahin, Obadiah Smolenski, Everett Gret (…)2026-09-17
🔬 scienza dei materiali

Learning Magnetic Order Classification from Large-Scale Materials Databases

Questo articolo introduce classificatori di machine learning addestrati su dati MAGNDATA validati sperimentalmente che raggiungono un'accuratezza superiore al 92% nell'identificare gli stati fondamentali magnetici, correggendo efficacementamente il bias ferromagnetico sistematico presente nei database su larga scala del Materials Project e consentendo uno screening ad alto rendimento più affidabile dei materiali magnetici.

Ahmed E. Fahmy2026-09-17
🔬 scienza dei materiali

ADAPT: Lightweight, Long-Range Machine Learning Force Fields Without Graphs

Il documento introduce ADAPT, un campo di forza di apprendimento automatico leggero e privo di grafi che utilizza un'architettura basata su Transformer per modellare esplicitamente tutte le interazioni atomiche a coppie, ottenendo errori di previsione e costi computazionali significativamente inferiori rispetto alle reti neurali a grafo allo stato dell'arte per la simulazione di difetti puntiformi del silicio.

Evan Dramko, Yihuang Xiong, Yizhi Zhu, Geoffroy Hautier, Thomas Reps, Christopher Jermaine, Anastasios Kyrillidis2026-09-17
🔬 scienza dei materiali

Bismuth-substituted Lutetium Iron Garnet Films with Giant Visible-Range Magneto-Optical Sensitivity

Questo studio riporta la deposizione mediante laser a impulsi e la caratterizzazione di film di granato di lutezio e ferro drogato con bismuto (LuBiIG), i quali esibiscono una costante di Verdet eccezionalmente elevata fino a -1,37 × 10⁸ gradi/metro/Tesla nel campo del visibile, stabilendoli come materiali promettenti per la sensoristica magnetica avanzata e le applicazioni quantistiche ibride.

Megan H. Dransfield, Lukáš Flajšman, Matthijs H. J. de Jong, Lars Peeters, Rhodri Mansell, Sebastiaan van Dijken, Laure (…)2026-09-17