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.
Questa prospettiva valuta le opportunità e i limiti dell'utilizzo di materiali bidimensionali per superare la decoerenza indotta dalla fabbricazione e consentire lo sviluppo di hardware quantistico scalabile e compatibile con i processi CMOS.
Questo articolo propone una strategia per superare il limite di Wiedemann-Franz nei termoelettrici mediante l'ingegnerizzazione dello scattering dipendente dall'energia in sistemi a banda piatta, come il NiIn monostrato, per ottenere simultaneamente un'alta conducibilità elettrica e un alto coefficiente di Seebeck, sopprimendo al contempo la conducibilità termica elettronica.
Questo articolo presenta una nuova implementazione TDDFT all-electron in tempo reale in FHI-aims che incorpora il pieno accoppiamento minimo per modellare accuratamente le interazioni raggi X-materia mantenendo potenziali vettoriali spazialmente variabili e il momento del fotone, consentendo così lo studio degli effetti non di dipolo e dei canali di transizione proibiti in molecole e solidi.
Questo studio rivela che l'urea acentrica subisce una transizione indotta dalla pressione verso una fase centrosimmetrica esotica (V') sopra i 10 GPa, caratterizzata da una perdita di generazione di seconda armonica e da uno stato intermedio di disordine quantistico (Fase X) tra 5,2 e 10,0 GPa, come confermato dalla combinazione di spettroscopia sperimentale, diffrazione e previsione teorica della struttura cristallina.
Questo studio utilizza la dinamica molecolare reattiva su larga scala per dimostrare che i campi coercitivi nei ferroelettrici wurtzitici a base di ZnO sono governati dall'ordine polare locale non schermato in testa al filamento del fronte di inversione avanzante, rivelando che la ridistribuzione di carica e l'eterostrutturazione possono sopprimere efficacemente questa barriera per ridurre il campo coercitivo di circa il 50%.
Questo studio dimostra che la riduzione della distanza interionica tra gli ioni Tb³⁺ ed Eu³⁺ nei framework metal-organici migliora il trasferimento di energia e la sensibilità termica, stabilendo così una relazione struttura-prestazione essenziale per la progettazione razionale di termometri RGB senza filtri e basati su fotocamera.
Questo studio utilizza calcoli basati sui primi principi e simulazioni atomistiche per dimostrare che l'interazione tra il frustramento di scambio intrinseco e le interazioni di Dzyaloshinskii-Moriya con rottura della simmetria nei calcogenuri di cromo altermagnetici bidimensionali guida la formazione di diverse texture di spin non collineari topologiche attraverso distinti meccanismi sinergici e competitivi.
SpectraFit XPS è un'applicazione gratuita, basata su browser, che consente l'analisi sicura e lato client di dati di spettroscopia fotoelettronica a raggi X (XPS), offrendo un avanzato fitting dei picchi, quantificazione e supporto per file ISO 14976 con accuratezza verificata rispetto al progetto open-source KherveFitting.
ZStar è un toolkit open-source in Python che automatizza il calcolo della polarizzazione, delle cariche efficaci di Born, della risposta dielettrica e degli spettri infrarossi e Raman per materiali di tutte le dimensionalità attraverso un workflow unificato e adattato alla simmetria che ne migliora l'efficienza computazionale e supporta sia l'uso convenzionale che quello assistito da agenti.
Questo articolo introduce un framework di deep learning probabilistico che unifica la compressione delle immagini, la predizione temporale e la previsione della microstruttura per predire accuratamente l'evoluzione della ferrite di Widmanstätten nell'acciaio S235 sotto arbitrarie storie termiche utilizzando dati di microscopia in situ ad alta temperatura.