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.

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

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