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.

Direct observation of quadruple spin-texture locking in a 2D d-wave altermagnet

Dit onderzoek biedt voor het eerst atomaire bewijzen voor een unificatie van vier vormen van spin-textuurlocking in een 2D d-golf altermagneet, waarbij spin-rooster, spin-momentum, spin-strook en spin-strooklocking worden gekoppeld via een spin-dichtheidsgolf moiré-patroon.

Dan Mu, Bei Jiang, Qingchen Duan, Zulin Xu, Xingkai Cheng, Yusen Xiao, Xinru Han, Xinyu Liang, Zhaokun Luo, Ryan L. Kong, Qiheng Wang, Junwei Liu, Jianxin Zhong, Ruidan Zhong, Qiangqiang Gu, Baiqing L (…)2026-04-21🔬 cond-mat.mtrl-sci

Plasmonic Photocatalysis Enables Selective Oxidative Coupling of Methane with Nitrous Oxide under Ambient Conditions

Deze studie presenteert een plasmonische photocatalysator op basis van AuPd-legeringen die bij kamertemperatuur en onder zichtbaar licht methaan en lachgas selectief omzet in waardevolle koolwaterstoffen met een hoge opbrengst, terwijl de vorming van CO₂ wordt onderdrukt.

Serin Lee, Lin Yuan, Elijah Begin, Dali Yang, Cedric Lim, Yirui Arlene Zhang, Lu Ma, Colin Ophus, Yi Cui, Junwei Lucas Bao, Jennifer A. Dionne2026-04-21🔬 cond-mat.mtrl-sci

Laser Annealing of Transparent ZnO Thin Films: A Route to Improve Electrical Conductivity and Oxygen Sensing Capabilities

Dit onderzoek toont aan dat laser-annealing met ultrakorte pulsen de elektrische geleidbaarheid van op glas afgezette ZnO-films met drie grootteordes kan verbeteren en hun gevoeligheid voor zuurstof detectie verhoogt, waardoor ze geschikt zijn voor geavanceerde optoelektronische toepassingen op temperatuurgevoelige substraten.

A. Frechilla, J. Frechilla, L. A. Angurel, F. Toldra-Reig, E. Martinez, G. F. de La Fuente, D. Munoz-Rojas2026-04-20🔬 physics.app-ph

Kinematical and dynamical contrast of dislocations in thick GaN substrates observed by synchrotron-radiation X-ray topography under six-beam diffraction conditions

Dit artikel beschrijft hoe synchrotronstraling-röntgentopografie onder zesbundel-diffractiecondities een krachtige, niet-destructieve methode biedt voor de kwantitatieve analyse van dislocaties in dikke ammonothermale GaN-substraten, waarbij het super-Borrmann-effect wordt benut om de overgang van kinematische naar dynamische diffractie te observeren en de Burgersvectoren van individuele dislocaties te bepalen.

Yongzhao Yao, Yoshiyuki Tsusaka, Yukari Ishikawa2026-04-20🔬 cond-mat.mtrl-sci

High-speed, High-Resolution, Three-Dimensional Imaging of Threading Dislocations in beta-Ga2O3Ga_{2}O_{3} via Phase-Contrast Microscopy

Deze studie introduceert een snelle, niet-destructieve methode voor driedimensionale afbeelding van schroefdislocaties in beta-Ga2O3 met behulp van fasecontrastmicroscopie, die een hogere ruimtelijke resolutie biedt dan synchrotron-X-ray topografie en het inzicht in dislocatiepaden binnen volledige halfgeleiderwafers mogelijk maakt.

Yukari Ishiakwa, Daiki Katsube, Yongzhao Yao, Koji Sato, Kohei Sasaki2026-04-20🔬 cond-mat.mtrl-sci

Comparing the latent features of universal machine-learning interatomic potentials

Dit artikel analyseert systematisch hoe universele machine-learning interatomische potentialen (uMLIPs) chemische informatie in latente kenmerken coderen, waarbij wordt vastgesteld dat verschillende modellen de chemische ruimte op aanzienlijk verschillende manieren representeren en dat fijnafstemming een sterke vooringenomenheid van het vooraf trainen behoudt.

Sofiia Chorna, Davide Tisi, Cesare Malosso, Wei Bin How, Michele Ceriotti, Sanggyu Chong2026-04-20🔬 cond-mat.mtrl-sci