Observation of acoustic magneto-chiral anisotropy in -quartz
이 논문은 -쿼츠에서 초음파 전파의 자기-키랄 이방성을 실험적으로 관측하고, 이를 설명하는 거시적 분석 모델을 제시합니다.
🔬 Category
cond-mat.mtrl-sci
2794 편의 논문
물질 과학과 응집물질 물리학은 우리 주변의 고체와 액체가 어떻게 작동하는지를 탐구하는 분야입니다. 이 영역에서는 전기가 어떻게 흐르고, 자석은 왜 자성을 띠며, 새로운 재료가 어떤 특성을 가지는지 등 일상생활을 바꾸는 기초 원리를 연구합니다.
Gist.Science 는 이 분야의 최신 연구 성과를 arXiv 에서 실시간으로 수집하여 제공합니다. 우리는 arXiv 에 업로드되는 모든 새로운 논문들을 분석해, 전문 용어 없이 일반인도 이해할 수 있는 쉬운 설명과 동시에 연구자들이 필요로 하는 심층적인 기술적 요약을 함께 정리합니다.
아래에는 이 분야에서 최근 공개된 최신 연구 논문들이 나열되어 있습니다.
Parameter-Efficient Fine-Tuning of Machine-Learning Interatomic Potentials for Phonon and Thermal Properties
이 논문은 10 개의 추가 구조만으로도 정밀도가 크게 향상되며, 53 가지 물질 시스템에서 사전 학습 모델과 처음부터 학습된 모델보다 우수한 성능을 보이는 LoRA 기반의 새로운 미세 조정 프레임워크 'Equitrain'을 통해 기계 학습 원자 간 퍼텐셜의 음향 및 열적 특성 예측 정확도를 획기적으로 개선했음을 보여줍니다.
Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment
이 논문은 시뮬레이션 데이터로 사전 훈련된 생성 모델을 실험 데이터와 적대적 분포 정렬 (ADA) 기법을 통해 정합시킴으로써, 복잡한 물리 시스템의 시뮬레이션과 실험 간의 간극을 해소하는 데이터 기반 프레임워크를 제안합니다.
Localized Energy States Induced by Atomic-Level Interfacial Broadening in Heterostructures
이 논문은 이론적 모델과 실험적 검증을 통해 초박막 SiGe/Si 초격자에서 원자 수준의 계면 확산이 밴드 구조 내에 국소화된 에너지 준위를 형성하여 2~2.5 eV 대역의 광흡수를 유도함을 규명하고, 이를 통해 비파괴적으로 계면 확산을 측정할 수 있는 방법을 제시합니다.
Time-dependent global sensitivity analysis of the Doyle-Fuller-Newman model
이 논문은 리튬이온 배터리의 도일 - 풀러 - 뉴먼 모델에 대한 시간 의존적 전역 민감도 분석을 위한 새로운 프레임워크를 제안하여, 전압 응답과 같은 시간 의존성 출력에 대한 매개변수 중요도를 효과적으로 평가하고 불필요한 매개변수를 임의의 값으로 설정했을 때의 모델 오차를 규명합니다.
Accelerated Design of Mechanically Hard Magnetically Soft High-entropy Alloys via Multi-objective Bayesian Optimization
이 논문은 기계적 경도와 연자성이라는 상충되는 특성을 동시에 만족하는 고엔트로피 합금을 개발하기 위해 앙상블 대리 모델과 몬테카를로 샘플링을 결합한 다목적 베이지안 최적화 프레임워크를 적용하여 최적의 조성을 성공적으로 도출하고 있음을 보여줍니다.
Evaluation of Foundational Machine Learned Interatomic Potentials for Migration Barrier Predictions
본 논문은 MACE-MP-0, Orb-v3 등 다섯 가지 기초 머신러닝 원자 간 퍼텐셜 (MLIP) 을 배터리 관련 이온 전이 장벽 예측에 대해 벤치마크하여, 특정 모델이 DFT 기반 계산을 대체하거나 가속화할 수 있는 잠재력과 한계를 규명했습니다.
Effect of uniaxial compressive stress on polarization switching and domain wall formation in tetragonal phase BaTiO3 via machine learning potential
본 논문은 기계 학습 전위 모델을 활용하여 BaTiO3 의 사방정계 상에서 인장 응력이 90 도 분극 전환 임계값 (약 120 MPa) 에 도달할 때 활성화 에너지 감소와 도메인 벽 형성을 촉진하며, 80 MPa 에서 이중 히스테리시스 루프가 나타나는 등 기계적 하중이 분극 스위칭 및 소자 신뢰성 설계에 결정적인 역할을 함을 규명했습니다.
Controlling Mixed Mo/MoS Domains on Si by Molecular Beam Epitaxy for the Hydrogen Evolution Reaction
이 논문은 분자선 에피택시 (MBE) 를 이용해 실리콘 기판 위에 성장된 MoS 박막의 어닐링 온도, 증착 사이클 수, Mo/S 비율을 정밀하게 제어하여 금속성 Mo 와 황 결함이 공존하는 혼합 상을 형성함으로써 전기 전도성과 활성 부위를 동시에 최적화하고, 이를 통해 수소 발생 반응 (HER) 의 촉매 성능을 극대화할 수 있음을 규명했습니다.
Data-Driven Estimation of the interfacial Dzyaloshinskii-Moriya Interaction with Machine Learning
이 논문은 자기 거품 영역의 이미지를 학습한 합성곱 신경망을 통해 노이즈와 샘플 불균일성이 존재하는 환경에서도 인터페이스 Dzyaloshinskii-Moriya 상호작용 강도를 정확하고 견고하게 추정할 수 있음을 입증함으로써, 기계 학습이 자기 구조 특성 분석을 위한 빠르고 정량적인 도구로 활용될 수 있음을 보여줍니다.