2794 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.
Deze studie presenteert een eerste-principes-onderzoek naar de NaRTiO₄-Ruddlesden-Popper-serie, waarbij wordt aangetoond hoe de ionic radius de structurele overgang van kantel- naar vervormingsgedreven regimes beïnvloedt en hoe elektrische veldgradiënten kunnen dienen als gevoelige vingerafdrukken om de grondtoestand-symmetrie van deze materialen experimenteel vast te stellen.
Dit artikel introduceert 'SingingMaterials', een modulaire Python-pakket dat fonon-simulatiegegevens omzet in geluid om materialen te verkennen en bevestigt via een gebruikersstudie dat sonificatie een waardevolle aanvulling is op traditionele analysemethoden.
In dit werk wordt de eerste directe meting van het lage intrinsieke dielektrische verlies van epitaxiale -AlO in een TiN-groeipatroon gepresenteerd, waarmee deze hetero-epitaxiale oxide-nitride structuur wordt bevestigd als een veelbelovend materiaalplatform voor supergeleidende kwantumcircuits.
Deze studie biedt inzicht in de elektronische eigenschappen, oppervlakte-stabiliteit en energie-niveau-uitlijning van vacuüm-geordende dubbele perovskieten (Cs₂MX₆) door middel van eerste-principes-berekeningen, waarmee veelbelovende, loodvrije kandidaten worden geïdentificeerd voor opto-elektronische toepassingen.
Dit onderzoek toont aan dat het integreren van langeafstandsinteracties in machine learning-potentialen voor BaTiO3 de kwantitatieve nauwkeurigheid van eigenschappen zoals faseovergangstemperaturen en diëlektrische constanten significant verbetert, terwijl de kwalitatieve ferro-elektrische gedragingen ook door modellen zonder deze interacties correct worden voorspeld.
Deze studie presenteert systematische eerste-principes-resultaten die aantonen dat monolaag MX3-overgangsmetaaltrihaliden, met name MnF3 en PdF3, het quantum-anomale Hall-effect kunnen vertonen door spin-orbitale koppeling die een aanzienlijke bandkloof opent in een spin-gepolariseerde Dirac-cone, wat resulteert in een niet-triviale topologische fase met chiraal randtoestanden.
Dit onderzoek combineert dichtheidsfunctionaaltheorie met een recurrente neurale netwerk om de lokale elektronische structuur van niet-uniform gespannen MoS2 te reconstrueren en onthult dat biaxiale vervorming, zoals veroorzaakt door rimpels en nanobellen, aanzienlijk effectiever is in het moduleren van de bandkloof en diëlektrische eigenschappen dan uniaxiale of in-vlakke spanning.
Dit paper presenteert een satirisch voorstel om Mexicaanse graafpaden als goedkope gravitatiegolf-detectoren te gebruiken door hun roep te analyseren, maar concludeert dat geen enkel effect werd gevonden en dat de methode dus de kracht van bestaande detectoren bevestigt.
Deze studie combineert dichtheidsfunctionaaltheorie en machine learning om aan te tonen dat de analyse van de pi*-regio van XANES-spectra de meest effectieve methode is voor het voorspellen van Bader-ladingen en bindingslengten, waarmee de elektronische modulatie door boor- en stikstof-dopanten in graphene nauwkeurig kan worden ontrafeld.
Deze studie introduceert een raamwerk voor dynamische elektronentomografie dat continue kanteling combineert met zelftoezichtende deep learning, waardoor continu 3D-imaging van nanoschaaldynamica mogelijk wordt met een lage stralingsdosis en zonder de aanname van statische monsters.