4119 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.
이 분자 역학 연구는 비정질 난용성 금속(V, Nb, Mo, Ta, W)이 나노 인덴테이션 과정에서 전단 구동 벌크 핵 생성 및 성장을 거쳐 bcc 결정으로 변형된다는 것을 밝혀냈으며, 이들의 결정 형성 능력은 V에서 W로 갈수록 감소하고 인덴테이션 속도에 반비례하여 나타나는데, 이는 변형 속도가 열역학적 구동력이 아닌 결합 강도에 의해 지배됨을 나타낸다.
본 연구는 MnFeCoNi 기반 고엔트로피 합금에서 Cr을 Cu로 치환하는 것이 유리한 중간체 결합을 위한 전자 구조를 조절하고 산소 발생 반응 동안 동적인 Cu-풍부 표면 재구성을 유도함으로써 양방향 알칼리 수전해 성능을 크게 향상시킨다는 것을 입증한다.
이 논문은 전기장 구배(EFG) 텐서를 대칭 적응형 질서 매개변수로 취급하는 체계적인 란다우 이론 프레임워크를 구축하여, 기약 표현에 기반한 구조적 상전이에 대한 EFG의 선형 또는 이차 응답 예측을 가능하게 하고, 실험 데이터와 제일 원리 계산을 통해 이러한 예측을 검증한다.
본 논문은 시뮬레이션과 실험을 통해 검증된, 프로그래밍 가능하고 안정적이며 조절 가능한 쌍안정 형상 변형 능력을 달성하기 위해 제어된 기하학적 좌절(geometric frustration)과 불안정성 유도 전개를 활용하는 이방성 키리가미 구조를 위한 역설계 프레임워크를 제시한다.
이 논문은 약한 결함 포텐셜로부터의 이-마농(two-magnon) 산란을 모델링하기 위한 립만-슈윙거(Lippmann-Schwinger) 프레임워크를 도입하며, 산란이 유효 장 섭동과 퇴화된 스핀파 상태 사이의 중첩에 의해 결정됨을 입증함으로써, 철 가넷 박막에서의 결정학적 배향과 자기 선폭 확대 사이의 연관성을 밝힌다.
이 논문은 CrI와 CrBr에서 포논-마그논 혼성화를 정량화하기 위한 제약 해밀토니안 프레임워크를 개발하여, 상당한 수준의 혼합(CrBr에서 최대 25%)을 밝혀내고 총 각운동량이 혼성된 포논 및 마그논 하위 시스템 사이에서 공유되는 동안 어떻게 보존되는지를 입증한다.
이 논문은 산업 표준에 대비하여 대표적인 2D/3D 분체 입자 충진을 생성하는 네 가지 오픈 소스 도구를 벤치마킹하였으며, 이산 요소법(DEM) 코드가 가장 높은 충진 밀도를 달관하는 반면, 순차적 낙하 및 구름 알고리즘은 많은 응용 분야에서 수용 가능한 정확도를 갖춘 계산 효율적인 대안을 제공한다는 점을 밝혀냈다.
이 논문은 인듐 아르세나이드(InAs)와 같은 좁은 밴드 갭 반도체에서 표준 DFT가 실험적인 밴드 갭을 재현하는 데 실패함에도 불구하고, 원자 결함 준위를 정확하게 예측할 수 있도록 제로 밴드 갭 문제를 극복한 밴드 회피 점유 제한 밀도 범함수 이론(ba-occ-DFT) 방법을 소개한다.
이 논문은 물리적 직관을 희생하지 않으면서도 복잡한 시료에 대해 최첨단 수준의 불확실성 정량화 속도와 강건성을 제공하기 위해, 해밀토니안 몬테카를로 및 변분 추론 방법을 매우 효율적으로 가능하게 하는 정확한 그래디언트를 활용한 중성자 반사율 측정용 신속한 대리 모델 미사용 베이지안 역산 프레임워크를 소개한다.
본 논문은 기존 모델들이 흔히 놓치는 근본적인 구조적 단위를 포착하기 위해 양방향 교차 주의 집중(bidirectional cross-attention)을 통해 원자, 결합, 배위 다면체 수준을 명시적으로 모델링하는 다중 스케일 그래프 신경망인 배위 다면체 그래프 네트워크(Coordination Polyhedron Graph Network, CPGN)를 제안하며, 이를 통해 결정 특성 예측에서 최첨단(state-of-the-art) 정확도를 달성한다.