🔬 Category

cond-mat.mtrl-sci

3307 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.

🔬 materials science

The electric field gradient tensor as a symmetry-adapted order parameter in Landau theory

Dit artikel vestigt een systematisch Landau-theorie kader dat de elektrische gradiënt van het elektrisch veld (EFG) tensor behandelt als een symmetrie-geadapteerde ordeparameter, wat de voorspelling van de lineaire of kwadratische respons ervan op structurele faseovergangen mogelijk maakt op basis van irreducibele representaties en deze voorspellingen valideert door middel van experimentele gegevens en first-principles berekeningen.

L. Scalise, A. W. Carbonari2026-07-30
🔬 applied physics

Two-magnon scattering in the framework of the Lippmann-Schwinger equation

Dit artikel introduceert een Lippmann-Schwinger-raamwerk om twee-magnonverstrooiing door zwakke defectpotentialen te modelleren, waarbij wordt aangetoond dat de verstrooiing wordt bepaald door de overlap tussen effectieve veldperturbaties en gedegenereerde spingolftoestanden, waardoor de kristallografische oriëntatie wordt gekoppeld aan de verbreding van de magnetische lijnbreedte in ijzergranaatfilms.

Jorge Marquez Chavez, Ondřej Wojewoda, Yixuan Song, Geoffrey S. D. Beach, Caroline A. Ross2026-07-30
🔬 materials science

Theory of phonon-magnon hybridization and angular momentum in CrI3_3 and CrBr3_3

Dit artikel ontwikkelt een geconstrueerd Hamiltoniaans kader om de fonon-magnon-hybride in CrI3_3 en CrBr3_3 te kwantificeren, wat een significante menging onthult (tot 25% in CrBr3_3) en aantoont hoe het totale impulsmoment behouden blijft terwijl het wordt gedeeld tussen de hybride fononische en magnonische subsystemen.

Maxime Mignolet, Miquel Royo, Massimiliano Stengel, Matthieu J. Verstreate2026-07-30
🔬 materials science

Generation of representative powder particle packing in 2D/3D: which tool for which application?

Dit artikel benchmarkt vier open-source tools voor het genereren van representatieve 2D/3D-poederdeeltjesverpakkingen tegenover industriële standaarden, waarbij wordt onthuld dat hoewel Discrete Element Method (DEM) codes de hoogste verpakkingsdichtheden bereiken, sequentiële drop-and-roll algoritmen een computationeel efficiënt alternatief bieden met een aanvaardbare nauwkeurigheid voor veel toepassingen.

Antoine Tainturier, Louis Lemarquis, Victor Szczepan, Marc Bernacki2026-07-30
🔬 materials science

No band gap, no problem: Defects in InAs using a band-avoiding occupation-constrained density functional theory

Dit artikel introduceert een band-vermijdende bezettingsgeconstreerde dichtheidsfunctionaaltheorie-methode (ba-occ-DFT) die het probleem van de nul-bandkloof in smalbandige halfgeleiders zoals indiumarsenide (InAs) overwint, waardoor nauwkeurige voorspellingen van atomaire defectniveaus mogelijk worden ondanks het falen van standaard DFT om de experimentele bandkloof te reproduceren.

Peter A. Schultz, Arthur H. Edwards, Evan M. Anderson, Anthony C. Knighton, Leopoldo Diaz2026-07-30
🔬 materials science

Towards real-time surrogate-free Bayesian inversion for neutron reflectometry

Dit artikel introduceert een snelle, surrogate-vrije Bayesiaanse inversie-framework voor neutronenreflectometrie die exacte gradiënten benut om uiterst efficiënte Hamiltonian Monte-Carlo en Variational Inference methoden mogelijk te maken, wat staat-van-de-kunst snelheden voor onzekerheidskwantificering en robuustheid biedt voor complexe monsters zonder fysieke intuïtie op te offeren.

Max D. Champneys, Andrew J. Parnell, Philipp Gutfreund, Maximilian W. A. Skoda, Patrick A. Fairclough, Timothy J. Rogers (…)2026-07-29
🔬 materials science

Dual-Level Atomic and Coordination Geometry Learning for Crystal Property Prediction Using Graph Neural Networks

Het artikel stelt het Coordination Polyhedron Graph Network (CPGN) voor, een multi-schaal grafisch neuraal netwerk dat op atoom-, binding- en coördinatiepolyederniveau expliciet modelleert met bidirectionele cross-attention om een staat-van-de-kunst nauwkeurigheid te bereiken bij het voorspellen van kristaleigenschappen door fundamentele structurele eenheden te vangen die door bestaande modellen vaak worden gemist.

Sanjay Chakraborty2026-07-29
🔬 materials science

A flexible kinetic Monte Carlo framework for GaN molecular beam epitaxy with adaptive on-the-fly barrier evaluation

Dit artikel presenteert een flexibel, schaalbaar roostergebaseerd kinetic Monte Carlo-framework voor het simuleren van GaN moleculaire bundel epitaxie dat vooraf gedefinieerde catalogi van activeringsenergieën integreert met adaptieve, op machine learning gebaseerde on-the-fly barrière-evaluaties om complexe groeifenomenen zoals eilandvorming, Ostwald-rijping en temperatuurgestuurde eilandwandeling nauwkeurig te modelleren.

Sajid Ali, Norbert Krause, Carla Verdi2026-07-29
🔬 materials science

MANDALA: An E(3)-Equivariant Graph Neural Network Framework for Learning Electronic-Structure Operators with Observable Guidance

Mandala is een modulair, E(3)-equivariante graph neural network-framework dat de kloof tussen machine learning en elektronische structuurberekeningen overbrugt door blok-sparse kwantumoperatoren te leren om direct elektronische observabelen zoals bandstructuren en toestandsdichtheden te voorspellen, waardoor het traditionele machine learning interatomaire potentialen complementeert.

Bartosz Brzoza, Wiktoria Szopa, Zakaria Elabid, Vincent Martinetto, Varadarajan Rengaraj, Mani Lokamani, Thomas D. Kühne (…)2026-07-29