🔬 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.

Synchrotron x-ray diffraction and DFT study of non-centrosymmetric EuRhGe3 under high pressure

Deze studie combineert synchrotron röntgendiffractie en DFT-berekeningen om het hoge-druk structurele gedrag van het niet-centrosymmetrische EuRhGe3 te onderzoeken, waarbij een vloeiende volumevermindering tot 35 GPa zonder faseovergangen, anisotrope roostercompressie en een afwijking tussen experimentele en theoretische volumes bij hogere drukken worden onthuld, wat wordt toegeschreven aan een niet-gehele Eu-valentie.

N. S. Dhami, V. Balédent, I. Batistić, O. Bednarchuk, D. Kaczorowski, J. P. Itié, S. R. Shieh, C. M. N. Kumar, Y. Utsumi2026-06-09🔬 cond-mat.mtrl-sci

Lattice Parameters and Bulk Modulus of SrTi1−x_{1-\mathit{x}}Mnx_{\mathit{x}}O3_{3} Perovskites: A Comparison of Exchange-Correlation Functionals with Experimental Validation

Deze studie valideert dat de PBEsol- en WC-uitwisselings-correlatiefunctionalen beter presteren dan LDA en PBE in het nauwkeurig voorspellen van de roosterparameters en bulkmoduli van kubische SrTi1−x_{1-\mathit{x}}Mnx_{\mathit{x}}O3_{3}-perovskieten over diverse Mn-concentraties, zoals bevestigd door röntgendiffractie en experimentele metingen van de bulkmodulus.

Miroslav Lebeda, Jan Drahokoupil, Stanislav Kamba, Šimon Svoboda, Vojtěch Smola, Bogdan Dabrowski, Petr Vlčák2026-06-09🔬 cond-mat.mtrl-sci

Modeling phase transformations in Mn-rich disordered rocksalt cathodes with machine learning interatomic potentials

Deze studie maakt gebruik van machine learning interatomaire potentialen om te onthullen dat Mn-rijke ongeordende rotszoutkathodes een faseovergang ondergaan naar een spinel-achtige structuur, gedreven door transitiemetalmigratie in plaats van Mn2+^{2+}-vorming, wat resulteert in verbeterde lithiumtransportkinetiek en een hogere capaciteit.

Peichen Zhong, Bowen Deng, Shashwat Anand, Tara Mishra, Gerbrand Ceder2026-06-09🔬 cond-mat.mtrl-sci

Deep Generative Learning of Magnetic Frustration in Artificial Spin Ice from Magnetic Force Microscopy Images

Dit artikel presenteert een tweestaps deep learning-framework dat Variational Autoencoders gebruikt om synthetische Magnetic Force Microscopy-beelden te genereren en de analyse van magnetische frustratie in kunstmatige spin-ijs te automatiseren, wat uiteindelijk de precieze identificatie van gefrustreerde vertices en het ontwerp van geoptimaliseerde spin-ijsconfiguraties mogelijk maakt.

Arnab Neogi, Suryakant Mishra, Prasad P Iyer, Tzu-Ming Lu, Ezra Bussmann, Sergei Tretiak, Andrew Crandall Jones, Jian-Xin Zhu2026-06-09🔬 cond-mat.mtrl-sci

Adjudicating Conduction Mechanisms in High Performance Carbon Nanotube Fibers

Door middel van uitgebreide cryogene experimenten en theoretische modellering verheldert deze studie de geleidingsmechanismen in hoogwaardige koolstofnanotubevezels, waarbij wordt aangetoond dat heterogene fluctuatie-geïnduceerde tunneling en veldafhankelijk transport hen in staat stellen om traditionele metalen te overtreffen in ultieme geleidbaarheid.

John Bulmer, Chris Kovacs, Thomas Bullard, Charlie Ebbing, Timothy Haugan, Ganesh Pokharel, Stephen D. Wilson, Fedor F. Balakirev, Oscar A. Valenzuela, Michael A. Susner, David Turner, Pengyu Fu, Tere (…)2026-06-09🔬 cond-mat.mtrl-sci

General Learning of the Electric Response of Inorganic Materials

Het artikel introduceert \texttt{MACE-Field}, een O(3)O(3)-equivalente interatomaire potentiaal die een uniform elektrisch veld integreert in de MACE-backbone om de diëlektrische, ferro-elektrische en spectroscopische eigenschappen van diverse anorganische materialen nauwkeurig te voorspellen door middel van exacte differentiatie van een geleerd elektrisch enthalpiefunctional.

Bradley A. A. Martin, Alex M. Ganose, Venkat Kapil, Tingwei Li, Keith T. Butler2026-06-09🔬 cond-mat.mtrl-sci

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