2692 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.
본 연구는 9,000 개 이상의 구성을 기반으로 훈련된 기계 학습 원자 간 퍼텐셜을 활용하여 실리콘 카르나이트 시스템의 대규모 분자 동역학을 시뮬레이션함으로써, 열처리가 결함이 있는 탄소 고리가 비정질 매트릭스 내에서 그래핀과 유사한 시트의 핵생성을 매개하는 상분리를 유도하여 해당 물질의 독특한 하이브리드 특성을 설명한다는 사실을 규명하였다.
본 논문은 국소 엔트로피 기반 분자 역학과 전역 정보 필터링을 결합하여 기계 학습 원자간 퍼텐셜을 위한 고품질 훈련 데이터를 효율적으로 생성하는 데이터셋 인식형 엔트로피 극대화 능동 학습 프레임워크를 제시하며, 이는 다양한 화학 시스템에서 최소한의 DFT 라벨링 구조로 무작위 샘플링보다 훨씬 낮은 에너지 오차를 달성합니다.
본 논문은 PdTe₂ 버퍼 층으로부터의 위상 전이를 이용한 분자선 에피택시를 통해 벌크와 유사한 특성을 가진 고품질 공기 안정성 초전도 PdTe 박막의 성공적인 성장을 입증함으로써, 위상 초전도성과 마요라나 제로 모드를 실현하기 위한 유망한 플랫폼을 확립한다.
본 논문은 자유전자 레이저 펄스의 간섭으로 형성된 극자외선 과도 격자가 운동량 불일치를 극복하여 쌍곡선 메타물질에서 블로흐 플라즈몬 편광자의 초고속 여기가 가능함을 입증함으로써, 광 모드를 제어하기 위한 영구 나노구조 격자에 대한 동적 대안을 제시한다.
TriForces 는 자기지도 학습을 분리된 조성 및 구조 표현과 결합하여 기계 학습 원자간 퍼텐셜을 위한 원자 단위 그래프 신경망의 전이성과 데이터 효율성을 크게 향상시키는 모델 무관한 3 스트림 프레임워크입니다.
본 논문은 1 원리 계산을 활용하여 육방정계 질화붕소 내의 결합된 스핀 - 광학 신호가 고립된 결함이 아닌 상호작용하는 전자 - 정공 쌍에서 기원함을 입증함으로써, 이들의 분리 및 전하 상태가 주요 양자 특성을 지배하는 방식을 규명하고 상온 양자 방출체 설계에 대한 통합적 틀을 제시한다.
나노 ARPES 를 사용하여 연구자들은 비틀린 이층 WSe2 에서 가전자대 최대값의 운동량 위치는 고정된 채로 유지되는 반면, K 점과 Γ 점에서의 홀 밴드 간 에너지 분리도를 100 meV 이상으로 조절할 수 있음을 입증함으로써 2 차원 소자에서 밴드 갭과 스핀 의존적 전자-포논 결합을 제어할 수 있는 경로를 제시했습니다.
2 차원 이진 패킹 모델에서 7,000 개 이상의 기저 상태 구조에 대한 광범위한 연구를 통해, 비주기적 구조가 지배적이지만 그 중 약 35% 가 '구조적 선택성'을 나타낸다는 사실이 밝혀졌는데, 이는 주기적 결정의 다양성 한계를 훨씬 초월하는 내재적 질서의 특징을 보여주는 성질이다.
본 논문은 거시적 성장 매개변수와 미시적 층 선택 메커니즘을 연결하여 고품질 이층 그래핀의 합리적 합성을 예측하고 안내하기 위해 열팽창으로 인한 변형과 화학적 탈착 효과를 통합한 구리 위 그래핀 CVD 성장용 개선된 일반화 상도표를 제시한다.
본 연구는 기계 학습 힘장을 활용하여 SbS가 준 1 차원 리본 구조에 의해 주도되는 이방성 결정화를 나타내며, 확산보다 현저히 낮은 활성화 에너지로 특징지어지는 계면 제어 성장 역학을 보임을 규명함으로써 데이터 저장 및 광학 응용 분야에서 그 성능을 최적화하기 위한 핵심 통찰력을 제공합니다.