🔬 Category

cond-mat.mtrl-sci

2632 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.

Machine-Learning-Guided Insights into Solid-Electrolyte Interphase Conductivity: Are Amorphous Lithium Fluorophosphates the Key?

Deze studie maakt gebruik van machine learning en diffusie-gebaseerde structuurvoorspelling om te onthullen dat amorf lithiumdifluorofosfaat (\ceLiPO2F2\ce{LiPO2F2}), een belangrijke component van de solid-electrolyte interphase, een hoge ionische geleidbaarheid vertoont vanwege structurele wanorde en overvloedige interstitiële defecten, wat suggereert dat amorfe gemengde anion-fasen de primaire snelle-ionenpaden in Li-ion batterijen zijn.

Peichen Zhong, Kristin A. Persson2026-06-09🔬 cond-mat.mtrl-sci

Data-model Coevolution as the Architectural Principle for AI-Native Materials Databases

Dit artikel stelt "data-model coevolutie" voor en valideert dit als een fundamenteel architecturaal principe voor AI-native materiaaldatabases, waarbij via een Li-P-S ternair prototype wordt aangetoond dat endogene generatie-evaluatie-verfijningscycli autonoom nieuwe stabiele fasen kunnen ontdekken en hoogwaardige predictieve modellering kunnen bereiken met minimale first-principles kosten.

Fengyu Xie, Ruoyu Wang, Taoyuze Lv, Yuxiang Gao, Hongyu Wu, Zhicheng Zhong2026-06-09🔬 cond-mat.mtrl-sci

A Constraint-Modulated Viscosity Law for Broad-Window Glass-Forming Systems

Dit artikel stelt een nieuwe "Constraint-Modulated Viscosity Law" voor op basis van de premisse van de Continuous Present Actualization, die standaardmodellen zoals VFT en MYEGA overtreft bij het fitten van breedvensterige glasvormende systemen door rekening te houden met de continue vernauwing van de configurationele toegang naarmate vloeistoffen afkoelen.

Debra S. Gavant, Christian E. Precker2026-06-09🔬 cond-mat.mtrl-sci

Momentum-Resolved Electronic Structure and Orbital Hybridization in the Layered Antiferromagnet CrPS4_4

Deze studie combineert momentum-opgeloste fotoemissiespectroscopie en DFT+U-berekeningen om de elektronische bandstructuur van de gelaagde antiferromagnet CrPS4_4 experimenteel te karakteriseren, waarbij een ligand-naar-metaal ladingsoverdrachtkloof en duidelijke orbital hybridisatiepatronen worden onthuld die de magnetische en optische eigenschappen beheersen.

Lasse Sternemann, David Maximilian Janas, Eshan Banerjee, Richard Leven, Jonah Elias Nitschke, Marco Marino, Leon Becker, Ahmet Can Ademoğlu, Frithjof Anders, Stefan Tappertzhofen, Mirko Cinchetti2026-06-09🔬 cond-mat.mtrl-sci

A large-scale nanocrystal database with aligned synthesis and properties enabling generative inverse design

Dit artikel introduceert een grootschalige, uitgelijnde Nanocrystal Synthesis-Property database, geconstrueerd met behulp van de door LLM verbeterde NanoExtractor-tool, die het generatieve inverse ontwerp van levensvatbare nanokristalsyntheseroutes mogelijk maakt via het NanoDesigner-model, succesvol gevalideerd door experimentele bevestiging van zowel gevestigde als nieuwe nanokristalfomuleringen.

Kai Gu, Yingping Liang, Senliang Peng, Aotian Guo, Haizheng Zhong, Ying Fu2026-06-09🔬 cond-mat.mtrl-sci

Enhancing Spatial Reasoning in Large Language Models for Metal-Organic Frameworks Structure Prediction

Het artikel introduceert MOF-LLM, een nieuw framework dat de ruimtelijke redeneercapaciteiten van een Qwen-3 8B taalmodel verbetert door middel van ruimtelijk bewuste continue pre-training, supervised fine-tuning en reinforcement learning om state-of-the-art, hoogefficiënte blokniveau 3D-structuurvoorspelling voor Metal-Organic Frameworks te bereiken.

Mianzhi Pan, JianFei Li, Peishuo Liu, Botian Wang, Yawen Ouyang, Yiming Rong, Hao Zhou, Jianbing Zhang2026-06-09🔬 cond-mat.mtrl-sci

MatMind: A Structure-Activity Knowledge-Driven Generative Foundation Model for Materials Science

MatMind is een verenigd generatief fundamenteel model voor de kristallijne materiaalkunde dat structuur-activiteitskennis en natuurkundig geïnformeerde feedback integreert om gespecialiseerde smalle architecturen te overtreffen in zowel eigenschappervoorspellings- als kristalgeneratietaken.

Zhan'ao Yao, Boxuan Zhang, Jingyuan Shu, Xiaoyu Wu, Rongyan Wang, Linjing Li, Dajun Zeng, Yudong Yao, Tingwei Chen, Youwei Wang, Xiaolin Zhao, Jiahui Shi, Jianjun Liu2026-06-09🔬 cond-mat.mtrl-sci

An ultra-wide-bandgap semiconductor photodetector for linear measurement of bright sub-bandgap light

Dit artikel toont aan dat sub-bandgap AlN-fotodetectoren, ontworpen met specifieke dopantontwerpen en contactstructuren om een smalle ruimtegeladen regio te creëren, een niet-verzadigende, lineaire respons bereiken op ultrahelder blauw licht en verhoogde temperaturen door gebruik te maken van diepe defect-gemedieerde fotorepons, waardoor betrouwbare detectie in extreme industriële en luchtvaartomgevingen mogelijk wordt.

Jiahao Dong, Zhenjing Liu, Rafael Jaramillo2026-06-09🔬 physics.optics

Agentic multi-fidelity learning of quasiparticle and excitonic properties

Dit artikel introduceert een door een agent geleerd multi-fidelity raamwerk dat een structurele agent gebruikt om numerieke instabiliteiten in GW-Bethe-Salpeter berekeningen te diagnosticeren en machine learning-correcties toepast om quasipartikel- en excitonische eigenschappen in gespannen MoS2-WS2-bilagen nauwkeurig te voorspellen, waarbij wordt aangetoond dat expliciete detectie van numerieke fragiliteit essentieel is voor betrouwbare surrogaatmodellering van aangeslagen toestand materialen.

Arnab Neogi, Aaron Forde, Christopher A. Lane, Sergei Tretiak, Jian-Xin Zhu2026-06-09🔬 cond-mat.mtrl-sci

Phase Formation and Thermal Stability of Superconducting Platinum Silicide Thin Films on Silicon

Deze studie toont aan dat fasezuivere, supergeleidende platina-silicide (PtSi) dunne films met stabiele microstructuren en consistente eigenschappen snel gevormd kunnen worden op silicium via thermische verwerking bij 600°C, wat een robuust fabricagevenster vaststelt voor CMOS-compatibele kwantumapparaten, terwijl het interface-ruwheid identificeert als een intrinsiek gevolg van de faseconversie in plaats van thermische degradatie.

Tharanga R. Nanayakkara, Ananya Chattaraj, Mingzhao Liu, Charles T. Black2026-06-09🔬 cond-mat