2879 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.
제1원리 계산은 보상 페리자성체인 MnAl에서 등방성 변형과 화학 퍼텐셜 조절이 공존하는 웨일 점(Weyl points), 노달 라인(nodal lines) 및 갭이 있는 노달 라인(gapped nodal lines)과 관련된 베리 곡률(Berry curvature)의 분포를 조작함으로써 이상 홀 전도도와 너른스트 전도도를 크게 향상시키고 조절한다는 것을 입증한다.
이 논문은 예응력(prestrained)이 가해진 힌지 빔 순환기들이 육각형 배열로 배치될 때, 스냅스루 분기(snap-through bifurcation)가 유효한 시간 역전 대칭성 깨짐을 유도하여 자기적 또는 자이로스코프적 바이어스를 필요로 하지 않고도 인터페이스를 따라 탄성 킨크 파동(elastic kink waves)의 견고한 단방향 전파를 가능하게 하는 비선형 기계적 메타물리질을 형성할 수 있음을 입증한다.
본 논문은 텍스트와 표 모두에서 다성분 합금 데이터를 정확하게 추출하여 동종의 공개 데이터베이스 중 가장 큰 규모를 구축하는 LLM 기반 파이프라인을 제시하며, 이를 통해 경량화, 연자성 및 내식성 응용 분야를 위한 고성능 합금 후보를 식별함으로써 지속 가능한 재료 설계를 가능하게 한다.
이 논문은 물리적 리저버 컴퓨팅 시스템으로 기능하는 고유한 무작위 나노 기공을 가진 니오븀 산화물 기반 멤리스터를 사용하여 이미지 인식 및 시계열 예측을 위한 확장 가능하고 에너지 효율적인 뉴로모픽 플랫폼을 입증한다.
이 논문은 리만 플로우 매칭(Riemannian flow matching)과 특화된 그래프 신경망을 활용하여 무질서한 재료(치환형, 위치형 및 혼합형)를 효과적으로 생성하는 동시에, 정렬된 결정만을 위해 설계된 기존 모델들을 능가하는 새로운 생성 프레임워크인 DMFlow을 소개한다.
이 논문은 스칼라 기술자와 분극 미분의 정의를 활용하여 Born 유효 전하 텐서를 성공적으로 예측하는 스칼라 머신러닝 접근법을 소개하며, 이는 전하 분할 및 유한 온도 적외선 스펙트럼 계산을 위한 복잡한 텐서 모델에 대한 효과적인 대안을 제공한다.
본 논문은 디지털 이미지 상관법 데이터의 균열 선단 분할을 위한 딥러닝 모델의 신뢰성, 일반화 능력 및 설명 충실도를 향상시키기 위해 설명 가능한 인공지능과 도메인 특화 물리적 사전 지식을 통합하는 어텐션 유도 학습 프레임워크를 소개한다.
단결정 X선 회절 및 63 GPa까지의 분광 기술을 결합한 이 연구는, 관찰된 고압 상의 중심 대칭적 성질에도 불구하고 양이온 변위와 산소 팔면체 기울임을 포함하는 부격자 변조(incommensurate modulation)로 나타나는, 납이 없는 페로브스카이트 KNbO3에서의 강유전성 불안정성의 재출현에 대한 결정적인 실험적 증거를 제공한다.
이 연구는 참조층 역학에 의해 제어되는 초고속 탈자화 및 재자화 유도 스핀 축적이 다층 스핀트로닉스 소자에서 전광학적 자화 스위칭을 가능하게 하는 핵심 메커니즘임을 밝혀낸다.
이 연구는 전자-포논 결합을 강화하여 저항을 과대평가하게 만드는 열팽창의 효과와, 이를 감소시키는 포논 비조화성의 효과라는 상반된 효과를 통합하는 것이 Pb, Nb, Al과 같은 원소 금속의 전기 저항에 대한 더 정확한 제일원리 기술을 제공한다는 것을 입증한다.