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.

Efficacy of 3D-Printed chitosan-cerium oxide dressings coated with vancomycin-loaded alginate for chronic wounds management

Deze studie toont aan dat 3D-geprinte chitosan-ceriumoxide-dressings, gecoat met een alginaatlaag die vancomycine bevat, een veelbelovende oplossing bieden voor de behandeling van chronische wonden door hun antibacteriële en antioxidante eigenschappen te combineren, waarbij de formule met 5% ceriumoxide de optimale balans tussen biocompatibiliteit, ROS-scavenging en wondsluiting binnen 24 uur biedt.

Sharareh Shahroudi, Amir Parvinnasab, Erfan Salahinejad, Shaghayegh Abdi, Sarah Rajabi, Lobat Tayebi2026-03-19🔬 physics.app-ph

Gaussian Process Regression-based Knowledge Distillation Framework for Simultaneous Prediction of Physical and Mechanical Properties of Epoxy Polymers

Deze studie introduceert een op Gaussian Process Regression gebaseerd kennisdistillatiekader dat experimentele data en moleculaire beschrijvers combineert om gelijktijdig en nauwkeurig diverse fysische en mechanische eigenschappen van epoxy-polymere te voorspellen, waardoor de ontwikkeling van nieuwe materialen wordt versneld.

Sindu B. S., Jan Hamaekers2026-03-19🔬 cond-mat

Machine intelligence supports the full chain of 2D dendrite synthesis

Dit artikel beschrijft een door machine-intelligentie aangedreven raamwerk dat de volledige keten van de synthese van 2D-dendrieten ondersteunt, variërend van snelle procesoptimalisatie en nauwkeurige op maat gemaakte synthese tot het ontrafelen van complexe reactiemechanismen.

Wenqiang Huang, Susu Fang, Xuhang Gu, Shen'ao Xue, Huanhuan Xing, Junjie Jiang, Junying Zhang, Shen Zhou, Zheng Luo, Jin Zhang, Fangping Ouyang, Shanshan Wang2026-03-19🔬 cond-mat.mtrl-sci

From pore collapse to crystal growth: ultrafast laser-induced stishovite formation in nanoporous silica

Dit onderzoek toont aan dat nanoporieuze siliciumdioxide onder ultrafast laserbestraling via lokale veldversterking en snelle matrixinstorting stishoviet vormt, een proces dat aanzienlijk sneller verloopt dan in homogeen silica doordat de kristallisatie de drukontspanning voorbijstrijdt.

Aram Yedigaryan (LabHC), Mohamed Yaseen Noor (OSU), Elena Kachan (LabHC), Gabriel Calderon (OSU), Jinwoo Hwang (OSU), Enam Chowdhury (OSU), Jean-Philippe Colombier (LabHC)2026-03-19🔬 cond-mat.mtrl-sci

Accelerating Structure-Property Relationship Discovery with Multimodal Machine Learning and Self-Driving Microscopy

Deze paper introduceert een raamwerk dat autonome microscooptechnieken combineert met dubbel-novelty deep kernel learning en variational autoencoders om de ontdekking van structuur-eigenschapsrelaties in halide-perovskietfilms te versnellen door adaptief nieuwe data te verzamelen en een gedeelde latente ruimte te creëren.

Jiawei Gong, Danqing Ma, Ralph Bulanadi, Robert Moore, Rama Vasudevan, Lianfeng Zhao, Yongtao Liu2026-03-19🔬 cond-mat.mtrl-sci