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.

Spin-to-charge-current conversion in altermagnetic candidate RuO2_2 probed by terahertz emission spectroscopy

Met behulp van terahertz-emissiespectroscopie onderzoekt dit onderzoek de ultrasnelle spin-naar-ladingstroomconversie in de altermagnetische kandidaat RuO2_2, waarbij wordt vastgesteld dat het anisotrope inverse spin-Hall-effect de dominante bijdrage levert aan de gemeten signalen.

J. Jechumtál, O. Gueckstock, K. Jasenský, Z. Kašpar, K Olejník, M. Gaerner, G. Reiss, S. Moser, P. Kessler, G. De Luca, S. Ganguly, J. Santiso, D. Scheffler, J. Zázvorka, P. Kubašč (…)2026-04-28🔬 cond-mat.mes-hall

Lattice-to-Total Thermal Conductivity Ratio: A Phonon-Glass Electron-Crystal Descriptor for Data-Driven Thermoelectric Design

Deze paper presenteert een nieuw machine learning-raamwerk dat de ratio tussen rooster- en totale thermische geleidbaarheid (κL/κ0,5\kappa_\mathrm{L}/\kappa \approx 0,5) gebruikt als een kwantitatieve descriptor om efficiënte thermoelektrische materialen te identificeren en te optimaliseren volgens het 'phonon-glass electron-crystal' principe.

Yifan Sun, Zhi Li, Tetsuya Imamura, Yuji Ohishi, Chris Wolverton, Ken Kurosaki2026-04-28🔬 cond-mat.mtrl-sci