2692 件の論文
材料科学と凝縮系物理学の境界領域は、私たちの日常を支える新しい物質の発見と設計を探求する分野です。ここで取り扱われる研究は、半導体から超伝導体まで、未来のエネルギーや電子機器の基盤となる材料の振る舞いを解明するものです。
Gist.Science は、arXiv に投稿されるこの分野の最新プレプリントをすべて収集し、専門用語に頼らない平易な解説と、詳細な技術的な要約の両方を提供しています。これにより、研究者だけでなく、一般の方でも最先端の知見にアクセスできるようになりました。
以下に、このカテゴリから厳選した最新の論文リストを掲載します。
本研究は、9,000 以上の構成に対して学習させた機械学習原子間ポテンシャルを用いて、炭化ケイ素系の大規模分子動力学シミュレーションを行い、熱処理が欠陥を含む炭素環を介してアモルファスマトリックス内でグラフェン様シート核生成を駆動する相分離を引き起こすことを明らかにし、それによって材料のユニークなハイブリッド特性を説明する。
本論文は、局所的なエントロピー駆動分子動力学とグローバルな情報フィルタリングを組み合わせ、機械学習型原子間ポテンシャル用の高品質な訓練データを効率的に生成する、データセットを認識しエントロピーを最大化する能動学習フレームワークを提示するものであり、多様な化学系において最小限の DFT 構造ラベル付けでランダムサンプリングよりも著しく低いエネルギー誤差を達成する。
本論文は、PdTe₂バッファ層からのトポタキシー変換を用いた分子線エピタキシー法により、バルク類似特性を有する高品質かつ大気安定な超伝導 PdTe 薄膜の成長に成功し、トポロジカル超伝導およびマヨラナゼロモードの実現に向けた有望なプラットフォームを確立したことを示す。
本論文は、自由電子レーザーパルスの干渉によって形成される極端紫外線過渡回折格子が運動量不整合を克服し、双曲メタ材料におけるブロッホ・プラズモン・ポラリトンの超高速励起を可能にすることを示しており、これは光モードを制御するための恒久的なナノ構造回折格子に対する動的な代替手段を提供するものである。
TriForces は、自己教師あり学習と分離された構成および構造表現を組み合わせるモデル非依存の 3 ストリームフレームワークであり、機械学習ポテンシャルのための原子グラフニューラルネットワークの転移性とデータ効率を大幅に向上させる。
本論文は第一原理計算を用いて、六方晶窒化ホウ素における結合スピン・光学信号が孤立欠陥ではなく相互作用するドナー・アクセプター対に由来することを示し、それらの分離と電荷状態が主要な量子特性を支配する仕組みを明らかにするとともに、室温量子エミッターの設計に向けた統一的な枠組みを提供する。
ナノ ARPES を用いて研究者らは、ねじれ二層 WSe2 における価電子帯極大値の運動量位置は固定されたままとなる一方で、ねじれ角を調整することで K 点とΓ点における正孔帯のエネルギー分離を 100 meV 以上変化させることができることを示し、これにより二次元デバイスにおけるバンドギャップおよびスピン依存性の電子 - 格子結合を制御する道筋を開いた。
2 次元の二元充填モデルにおける 7,000 を超える基底状態構造の広範な研究を通じて、本論文は、非周期的構造が支配的である一方で、それらの約 35% が「構造的選択性」と呼ばれる性質を示すことを明らかにしており、これは周期的結晶の多様性の限界を大きく超えて及ぶ潜在的な秩序の印である。
本論文は、熱膨張に起因するひずみと化学的脱離効果を組み込み、巨視的成長パラメータと微視的な層選択メカニズムを関連付けることで、高品質な二層グラフェンの合理的合成を予測・指針する、銅上でのグラフェンCVD成長に関する改良された一般化相図を提示する。
本研究は機械学習ポテンシャルを用いて、SbSが準 1 次元リボン構造に起因する異方性結晶化を示すことを明らかにし、その界面制御成長動力学は拡散に比べて著しく低い活性化エネルギーで特徴づけられることを示しており、データストレージおよびフォトニクス応用における性能最適化のための重要な知見を提供する。