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.

🔬 materials science

Low-field all-optical detection of superconductivity using NV nanodiamonds

Dit artikel demonstreert een minimaal invasieve, microgolfvrije methode voor het detecteren van supergeleidendheid en het meten van kritieke parameters zoals de overgangstemperatuur en het penetratieveld in YBCO-dunfilms door gebruik te maken van stikstof-vacaturecentra in nanodiamanten om magnetische veldvariaties te voelen via nabij nulveld cross-relaxatie magnetometrie.

Omkar Dhungel, Saravanan Sengottuvel, Mariusz Mrozek, Till Lenz, Nir Bar-Gill, Adam M. Wojciechowski, Arne Wickenbrock (…)2026-06-25
🔬 materials science

Symmetry-guided prediction of magnetic-ordered ground states

Dit artikel introduceert een symmetrie-gestuurd raamwerk dat systematisch magnetische grondtoestanden en metastabiele fasen voorspelt zonder experimentele input, waarbij bekende structuren voor de meerderheid van de gebenchmarkte materialen succesvol wordt gereproduceerd en onconventionele magneten worden geïdentificeerd door middel van efficiënte first-principles berekeningen.

Yuhui Li, Sike Zeng, Yutong Yu, Renzheng Xiong, Yu-Jun Zhao, Xiaobing Chen, Qihang Liu2026-06-25
🔬 materials science

Electronic Structure of Epitaxial Films of the Bilayer Strontium Ruthenate: Sr3_{3}Ru2_2O7_{7}

Deze studie combineert hoekresolutie-fotoemissiespectroscopie en dichtheidsfunctionaaltheorie om aan te tonen dat de elektronische bandstructuur en de Fermi-oppervlaktopologie van epitaxiale Sr3_3Ru2_2O7_7-films zeer gevoelig zijn voor epitaxiale rek, waarbij ze respectievelijk een duidelijke orthorombische-achtige en tetragonale-achtige symmetrie vertonen op LSAT- en STO-substraten.

Sethulakshmi Sajeev, Arnaud P. Nono Tchiomo, Brendan D. Faeth, Evan Krysko, Olivia Peek, Matthew J. Barone, Jordan Shiel (…)2026-06-25
⚛️ quantum physics

Constraint-Aware Quantum Optimization of Defect Configurations in Doped ZrO2: XY-Mixer QAOA and Grover Adaptive Search

Dit artikel presenteert een end-to-end, constraint-bewuste kwantumoptimalisatie-workflow voor gedoteerde ZrO2-materialen die een hoogwaardige QUBO-surrogaat gebruikt om zowel een constraint-preserverende XY-mixer QAOA als een fouttolerante Grover Adaptive Search mogelijk te maken, waarbij een significante probabilistische concentratie nabij het globaal optimum en substantiële bronbesparingen door feasible-space amplificatie worden aangetoond.

Huajing Song2026-06-25
🔬 materials science

A convolutional neural network surrogate for hierarchical homogenization: fast elastic moduli prediction of digital rocks

Dit artikel stelt een snelle en nauwkeurige methode voor het voorspellen van de effectieve elastische moduli van digitale gesteenten door een lichtgewicht 3D-convolutioneel neuraal netwerk te combineren met hiërarchische homogenisatie, wat computationeel dure directe numerieke simulaties vervangt en aantoont dat trainen op Hashin–Shtrikman-genormaliseerde factoren de optimale balans biedt tussen snelheid, nauwkeurigheid en fysische consistentie.

Hanfeng Zhai, Rasool Ahmad, Tapan Mukerji, Wei Cai2026-06-25
🔬 applied physics

Wide-field NV magnetometry under simultaneous high-pressure and high-temperature conditions

Dit artikel demonstreert de haalbaarheid van breedveld optisch gedetecteerde magnetische resonantie (ODMR) met behulp van stikstof-vacature (NV)-centra om magnetische velden ruimtelijk te visualiseren onder gelijktijdige extreme condities van hoge druk (tot 7 GPa) en hoge temperatuur (500 K), waarmee een nieuw platform wordt gevestigd voor het beelden van magnetische verschijnselen in dergelijke omgevingen.

Masahiro Ohkuma, Eikichi Kimura, Shumpei Ohyama, Miu Tezuka, Ryo Matsumoto, Shinobu Onoda, Yoshihiko Takano, Shintaro Az (…)2026-06-25✓ Author reviewed ⓘ
🔬 materials science

Intrinsic Defect Energetics and Fluorine Doping Effects in Li2CO3 and Li2O2: A First-Principles Study

Deze first-principles studie analyseert systematisch de intrinsieke defectenergieën van Li2CO3 en Li2O2, waarbij wordt onthuld dat fluor-doping selectief de vacuümvormingsenergieën verlaagt om het carbonaatframe gedeeltelijk te destabiliseren en de stabiliteit van deze ontlaadproducten in lithium-zuurstofbatterijen te moduleren.

Youjeong Choi, Tasuku Sugiura, Keisuke Mukai, Nanako Ishihara, Shuji Nakanishi, Teruyasu Mizoguchi2026-06-25
🔬 materials science

A topology-tuned pressure valve across the isoreticular RHO zeolite family

Deze studie demonstreert dat de mechanische kritische druk van de isoreticulaire RHO-zeolietfamilie exponentieel kan worden afgestemd van ongeveer 0,94 GPa naar onder de 0,03 GPa door de isoreticulaire orde te vergroten, wat onthult dat het reversibele faseovergangs-"ventiel"-gedrag van het raamwerk een generieke eigenschap is van de hiërarchie die aanzienlijk zachter en responsiever voor stimuli wordt in grotere leden.

Salvador R. G. Balestra (Departamento de Física Atómica, Molecular y Nuclear, Área de Física Teórica, Universidad de Sev (…)2026-06-25
🔬 materials science

Barocaloric phase transformation from data efficient fine-tuning of machine learned interatomic potentials

Deze studie toont aan dat het finetunen van het MACE-MPA-0 foundation model op slechts 5 tot 10 DFT-configuraties nauwkeurige machine-learned interatomaire potentialen in staat stelt de barocalorische faseovergang van ammoniumsulfaat te reproduceren, waarbij de data-inefficiëntie van trainen vanaf nul wordt overwonnen terwijl de noodzaak van dispersiecorrecties en hybride-DFT-niveaus voor een correcte beschrijving van het fasegedrag wordt benadrukt.

Ludwig Hedin, Johan Klarbring2026-06-25