2792 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.
Dit artikel toont aan dat het integreren van natuurlijke taal-embeddings van synthese- en testomstandigheden in machine learning-modellen de voorspelling van glasoplossing verbetert en generaliseerbaarheid biedt voor glascomposities met nieuwe elementen, wat essentieel is voor duurzame beheersing van nucleair afval.
Dit perspectiefartikel schetst een generatief ontwerpkader voor anorganische materialen dat fundamentele AI-modellen integreert met multi-modale data en hoogdoorvoers experimenten om de uitdagingen van datagedreven inverse ontwerping voor functionele materialen aan te pakken.
Dit artikel introduceert 'distributionele inverse homogenisatie', een niet-invasieve methode die macroscopische mechanische eigenschappen gebruikt om de statistieken van microstructuren te leren en een vervangend model te trainen, waarmee een nieuw type inverse probleem wordt opgelost dat kansrekening en homogenisatietheorie verenigt.
Dit onderzoek toont aan dat nanoporeuze high-entropy-legeringen de inherente broosheid van nanoporeuze materialen kunnen overwinnen door een dubbel mechanisme van dislocatie-uitputting en traagheid, wat leidt tot aanzienlijk hogere specifieke sterkte en weerstand tegen thermische degradatie.
Deze paper introduceert DAO, een pretrain-finetune-framework dat twee Siamese foundation modellen combineert om kristalstructuren nauwkeurig en extreem snel te voorspellen, waarbij het experimentele resultaten voor supergeleiders bereikt die met traditionele methoden moeilijk toegankelijk zijn.
Deze studie introduceert een Fourier Neural Operator (FNO) als een resolutie-invariant surrogaatmodel dat, gekoppeld aan de faseveldmethode, de computatie-intensieve simulatie van korrelgroei in materialen aanzienlijk versnelt met behoud van hoge nauwkeurigheid over verschillende ruimtelijke schalen.
Dit artikel beschrijft hoe het creëren van hafnia-zirconia superroosters, waarbij zirconiumrijke lagen fungeren als katalysator voor de remanente polarisatie, leidt tot ferro-elektrische materialen met recordwaarden voor polarisatie en duurzaamheid die bovendien een stap vormen naar een duurzamere toepassing.
Dit artikel presenteert een verenigde statistische theorie voor warmtegeleiding in niet-uniforme media die, via de Zwanzig-projectie-operatorformaliteit, een causale spatiotemporale kern afleidt die microscopische geheugen- en niet-lokale effecten verenigt en klassieke transportmodellen als asymptotische limieten omvat.
Deze studie onthult dat de stoichiometrie van Fe-intercalatie in de structurele ordening en de antiferromagnetische eigenschappen fundamenteel beïnvloedt, waarbij een geordende superroosterstructuur bij leidt tot de sterkste magnetische koppeling en een Neél-temperatuur van 175 K.
In dit onderzoek wordt X-ray photoelectron spectroscopy (XPS) gebruikt om de effectiviteit van 17 verschillende kaplagen te evalueren bij het voorkomen van niobium-oxidatie tijdens fabricageprocessen, waarna de meest robuuste lagen worden getest op hun prestaties in supergeleidende resonatoren.