cond-mat.mtrl-sci papers

De categorie Materiaalwetenschappen op Gist.Science duikt in de fascinerende wereld van de fysica van gecondenseerde materie, waar onderzoekers nieuwe materialen ontdekken en hun unieke eigenschappen bestuderen. Van supergeleiders tot slimme polymeren, dit vakgebied vormt de basis voor innovaties die onze dagelijkse technologie en toekomstige industrieën vormgeven. Onze missie is om deze complexe wetenschap toegankelijk te maken voor iedereen, van studenten tot professionals buiten de directe onderzoekswereld.

Elke nieuwe preprint in dit domein wordt rechtstreeks vanuit arXiv gehaald en zorgvuldig verwerkt door ons team. We bieden niet alleen gedetailleerde technische samenvattingen voor experts, maar ook heldere, alledaagse uitleg die de kern van het onderzoek duidelijk maakt zonder jargon. Zo blijft u up-to-date met de snelste ontwikkelingen zonder verdwaald te raken in formules.

Hieronder vindt u de meest recente publicaties uit de categorie Materiaalwetenschappen, direct uitgewerkt en samengevat voor uw gemak.

🔬 materials science

Uncertainty quantification design principles for machine learning interatomic potentials: lessons learned from hierarchical Bayesian inference

Dit artikel benchmarkt strategieën voor onzekerheidskwantificering voor machine learning-interatomaire potentialen met behulp van argon cluster-correspondentiegegevens en stelt een hiërarchisch Bayesiaans Gaussian process-ontwerp voor dat effectief een balans vindt tussen nauwkeurigheid, kalibratie en foutdiscriminatie, terwijl het onzekerheidsbronnen expliciet ontleedt voor betrouwbare toepassingen.

Brennon L. Shanks, George Simmons, Albert P. Bartók, James. R. Kermode2026-09-18

🔬 materials science

Targeted synthesis of polycrystalline vanadium dioxide thin films via post-deposition annealing

Dit artikel presenteert een nieuwe synthesemethode voor polykristallijne vanadiumdioxide dunne films met behulp van reactieve gepulste laserdepositie bij kamertemperatuur gevolgd door vacuümglazing, wat de traditionele hoge temperatuurbeperkingen overwint om CMOS-compatibele integratie voor neuromorfe hardware mogelijk te maken.

Kirill Trunov, Yuri Lebedinskii, Ilya Zavidovskiy, Sergey Novikov, Alexander Morozov, Petr Shvets, Ksenia Maksimova, And (…)2026-09-18

🔬 materials science

Kinetic energy functional constructed from exact gradient expansion of second order in uniform gas limit

Dit artikel introduceert KGE2, een parameter-vrije, semilocale kinetische energiedichtheidsfunctionaal op het niveau van de Generalized Gradient Approximation die het Thomas-Fermi-von Weizsäcker-raamwerk nieuw leven inblaast door de exacte tweede-orde gradiëntexpansie te behouden, waarbij staat-van-de-kunst nauwkeurigheid wordt bereikt voor zowel uitgebreide als eindige systemen terwijl efficiënte, grootschalige Orbital-Free DFT-simulaties mogelijk worden gemaakt.

Abhishek Bhattacharjee, Hemanadhan Myneni, Manoj K. Harbola, Prasanjit Samal2026-09-18

🔬 materials science

A Generalizable Framework for Building Executable Domain-Specific LLMs under Data Scarcity: Demonstration on Semiconductor TCAD Simulation

Dit artikel presenteert een schema-georiënteerd alignment-framework dat grootschalige domeinkennis synthetiseert en een IR-gestuurde Direct Preference Optimization-workflow benut om compacte, uitvoerbare domeinspecifieke LLM's te bouwen die algemene modellen overtreffen in datarme wetenschappelijke velden zoals semiconductor TCAD en FEM-simulatie.

Di Wang, Zhenhua Wu, Yu Liu, Kai Chang, Shaohua Wu2026-09-18

🔬 materials science

Machine-Learning Exploration of Defect Topologies and Thermodynamic Stability in Graphene with Atomic Vacancies

Deze studie combineert semi-empirische atomistische thermodynamica met interpreteerbare machine learning en symbolische regressie om de thermodynamische stabiliteit van grafeen met atomaire vacatures in kaart te brengen, waarbij de complexe structuur-stabiliteitsrelatie succesvol is gecondenseerd tot een compacte, nauwkeurige analytische wet die defectconcentratie en de afstand tussen vacatures identificeert als de dominante factoren.

Marcos V. N. da Costa, José R. da M. Lima Filho, Kádila R. de S. Oliveira, Raphael M. Tromer, Marcelo L. Pereira Junior2026-09-18

🔬 materials science

Comprehensive First-Principles Investigation of the Structural, Mechanical, Electronic, and Optical Properties of Homoelemental Phase T-GaN Monolayer

Deze studie maakt gebruik van first-principles berekeningen om aan te tonen dat de tetragonale T-GaN monolaag een dynamisch stabiele, niet-magnetische halfgeleider is met uitgesproken mechanische, elektronische en optische anisotropie, wat het een veelbelovende kandidaat maakt voor anisotrope nano-elektronische en opto-elektronische toepassingen.

Djardiel S. Gomes, Isaac M. Félix, Jorge O. A. L. Torres, Fabio L. L. de Mendonça, Sergio Azevedo, Marcelo L. Pereira Ju (…)2026-09-18

🔬 applied physics

Si- and C-Induced Modifications in Vapor-Solid-Grown InGaAs Nanowires: From Crystal Structure to Carrier Dynamics

Deze studie onderzoekt hoe silicium- en koolstofdotering de structurele, morfologische en optische eigenschappen van katalysatorvrije InGaAs-nanodraden beïnvloedt, waarbij wordt onthuld dat hoewel koolstofdotering de kristalkwaliteit en de aspectratio aanzienlijk verbetert, het tegelijkertijd puntdefecten en oppervlakterecombinatie introduceert die de fotoluminescentie-efficiëntie verminderen.

Hamidreza Esmaielpour, Leopold Rothmayer, Thomas Trinkl, Laura Niermann, Tore Niermann, Michael Lehmann, Jonathan J. Fin (…)2026-09-18

🔬 materials science

Pressure-dependent melting and crystallization of B2-NiAl from neural-network molecular dynamics

Deze studie maakt gebruik van neurale netwerk moleculaire dynamica met een Deep Potential-model om een thermodynamisch consistente drukafhankelijke smeltcurve voor B2-NiAl vast te stellen, waarbij een steilere toename van de smelttemperatuur bij hoge drukken wordt onthuld en wordt bevestigd dat het smeltproces congruent blijft met een essentieel equiatomische vloeibare fase.

A. S. Onegin, P. R. Levashov, N. M. Chtchelkatchev2026-09-18

🔬 materials science

ALIGNN 2.0: A Unified Line-Graph Neural Network Framework for Materials Screening, Force Fields, Inverse Design, Spectroscopy, and Microscopy

ALINN 2.0 is een verenigd, afhankelijkheidsvrij PyTorch-framework dat het Atomistic Line Graph Neural Network heruitvindt om gelijktijdig diverse materiaaltaken te behandelen—inclusclusief eigenschappenvoorspelling, krachtvelden, invers ontwerp en spectroscopie—terwijl het een staat-van-de-kunst prestatie op benchmarks bereikt en efficiënte grootschalige simulaties mogelijk maakt.

Jaehyung Lee, Charles Rhys Campbell, Akshaya Ajith, Sergei V. Kalinin, Christopher Wolverton, Kamal Choudhary2026-09-18

🔬 mesoscale physics

Engineering and Probing a One-Dimensional Dipolar Spin Ensemble in Diamond

Dit artikel demonstreert de creatie en karakterisering van een quasi-ééndimensionale, positioneel gedisordeerde spinketen in diamant door gebruik te maken van stikstofincorporatie langs CVD-stapelbundels, wat het gebruik van nanoschaal kwantummeting mogelijk maakt om lokale spinautocorrelaties en dipolaire transport binnen dit gemanipuleerde laagdimensionale kwantumsysteem te onderzoeken.

Lingjie Chen, Shreyas Parthasarathy, Simon A. Meynell, Lillian B. Hughes Wyatt, Eveline Postelnicu, Haopu Yang, Zilin Wa (…)2026-09-18