🔬 Category

cond-mat.mtrl-sci

4213 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

Single photon emitters in hBN: Limitations of atomic resolution imaging and potential sources of error

Deze studie toont aan dat het identificeren van enkelvoudige foton-emittenten in hexagonaal boornitride met behulp van atomaire-resolutie ADF-STEM fundamenteel wordt beperkt door de monsterdikte (voorbij ~17 lagen) en gevoelig is voor misidentificatie door residuele driedubbele astigmatisme, waardoor de techniek onbetrouwbaar is voor de dikkere vlokken die typisch worden gebruikt in fotonisch onderzoek.

David Lamprecht, Shrirang Chokappa, Alissa M. Freilinger, Barbara Maria Mayer, Maximilian Melchior, Jana Dzíbelová, Darw (…)2026-07-22
🔬 materials science

Role of Wadsley Defects and Cation Disorder to Enhance MoNb12O33 Diffusion

Deze studie toont aan dat het introduceren van Wadsley-defecten en transitiemetaal-wanorde in MoNb12O33-anodes de lithiumdiffusiekinetiek en de capaciteit bij hoge snelheden significant verbetert door snelle diffusiepaden te activeren bij lagere lithiatieniveaus, zoals bevestigd door gecombineerde experimentele karakterisering en machine learning moleculaire dynamica-simulaties.

CJ Sturgill, Manish Kumar, Nima Karimitari, Iva Milisavljevic, Coby S. Collins, Aaron Hegler, Hsin-Yun Joy Chao, Santosh (…)2026-07-22
🔬 materials science

Dynamics of Long-lived Carriers in Molybdenum Carbide Nanosheets

Deze studie onthult dat molybdeencarbide (MoC)-nanovellen aanzienlijk langere dragerlevensduur vertonen dan andere overgangsmetaalcarbiden vanwege beperkte fononvervalpaden veroorzaakt door het grote massaverschil tussen de Mo- en C-atomen, wat een veelbelovende strategie biedt voor het verbeteren van de prestaties van fotothermische en fotovoltaïsche apparaten door efficiënt gebruik van hete dragers.

Xiangyu Zhu, Zhong Wang, Tao Li, Xi Wang, Zheng Zhang, Chunlong Hu, Kaifu Huo, Wenxi Liang2026-07-22
🔬 materials science

Vacancy Diffusion Across FeCrAl Alloy Composition Space for Accident-Tolerant Fuel Cladding

Deze studie maakt gebruik van een kinetisch Monte Carlo-model om aan te tonen dat hoewel het verhogen van het chroomgehalte in FeCrAl-legeringen de vacuümdiffusie onderdrukt — met name in stralingsgeïnduceerde Cr-rijke fasen — een hoger ijzergehalte de vacuümmobiliteit verhoogt, wat potentieel de stralingsbestendigheid verbetert door defectannihilatie te bevorderen.

Mihai Pitigoi, Peter Hatton2026-07-22
🔬 optics

Wave propagation and hybridization of plasmonic modes in Maxwell-Chern-Simons pseudo-electrodynamics

Dit artikel onderzoekt hoe een niet-lokale Chern-Simons topologische term in Maxwell-Chern-Simons pseudo-elektrodynamica een dynamische massa en energiekloof genereert voor elektromagnetische golven, wat een nieuwe hybridisatie induceert tussen transversale elektrische en magnetische oppervlakte-plasmon-polaritonenmodi die afwezig is in conventionele planaire plasmonica.

S. Duque Cesar, M. J. Neves2026-07-22
🔬 materials science

Data-Efficient Training of Linear ACE Potentials through Leverage-Guided Subset Selection of ASSYST Structure Pools

Dit artikel toont aan dat leverage-gestuurde, label-vrije subsetselectie van ASSYST-structuurpools de DFT-labelingwerkdruk (met 2–3x) aanzienlijk kan verminderen die nodig is om nauwkeurige lineaire Atomic Cluster Expansion-potentialen te trainen, terwijl een competitieve energie-, kracht- en defectniveau-getrouwheid behouden blijft in vergelijking met willekeurige en andere baseline-bemonsteringsstrategieën.

Aynour Khosravi, Marvin Poul, Jörg Neugebauer, Chad Sinclair2026-07-22
🔬 materials science

Battery Material Comparisons Should Refocus on Diffusivity with Best Practices

Dit artikel pleit voor een hernieuwde focus op nauwkeurige metingen van ionische diffusiviteit in de ontwikkeling van batterijmaterialen, waarbij wordt benadrukt dat de huidige praktijken vaak een deugdelijke beoordeling van de lengteschaal verwaarlozen en dat prestaties op celniveau kunnen afwijken van intrinsieke diffusiewaarden, hetgeen strikte best practices noodzakelijk maakt om betekenisvolle structuur-eigenschapsrelaties vast te stellen.

CJ Sturgill, Roya Rajabi, Md Abdullah Al Muhit, Hans-Conrad zur Loye, Morgan Stefik2026-07-22
🔬 materials science

GQD-AdsNet: Graph Neural Networks Unlock Rapid Exploration of Transition Metal Adsorption on Graphene Quantum Dots

Dit artikel presenteert GQD-AdsNet, een graph neural network-framework getraind op density functional theory-data dat snel en nauwkeurig adsorptie-energieën van overgangsmetalen op graphene quantum dots voorspelt, waardoor de computationele kosten met zes ordes van grootte worden verminderd om efficiënte katalysator-screening mogelijk te maken.

Lara Goncebat (Instituto de Química Aplicada del Litoral IQAL), Rodrigo Echeveste (Instituto de Investigación en Señales (…)2026-07-22
🔬 materials science

Data-driven Design of Metal-Organic Frameworks with Tunable Negative Thermal Expansion

Deze studie vestigt een datagestuurde strategie voor het ontwerpen van instelbare negatieve thermische expansie in metaal-organische raamwerken door gebruik te maken van een door machine learning versnelde workflow om meer dan 12.000 structuren te screenen, waarbij cruciale structurele motieven voor sterke NTE werden geïdentificeerd die vervolgens experimenteel werden gevalideerd met recordbrekende prestaties in Ce-UiO-66 varianten.

Prathami Divakar Kamath, Francesco Tavani, Alin Marin Elena, Théo Jaffrelot Inizan, Yen-hsu Lin, Jian Yin, Wenqian Xu, O (…)2026-07-22