2858 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.
Dit onderzoek combineert quasiparticle self-consistente GW-berekeningen met machine-learned DFT+U om halfmetallische Co- en Ni-gebaseerde Heusler-verbindingen te identificeren die geschikt zijn voor epitaxiale groei op InAs, waarbij Co₂TiSn en Co₂ZrAl als de meest veelbelovende halfmetalen worden aangetoond.
Deze studie toont aan dat in SrTiO opgewekt door cirkelvormig gepolariseerd licht, de overdracht van impulsmoment van licht naar elektronische orbitale impulsmomenten, gevolgd door spin-orbitaalkoppeling, leidt tot een helix-afhankelijke, tijdelijke magnetisatie zonder dat ionenbeweging nodig is.
In dit werk wordt een nieuw computeraangedreven raamwerk geïntroduceerd dat ab initio-methode combineert met machine learning om de temperatuurafhankelijke optoelektronische eigenschappen van anharmonische vaste oplossingen, zoals zilver-chalco-haliden, met eerste-principe-nauwkeurigheid te voorspellen.
Deze paper introduceert ActiveStructOpt, een actief leerframework dat graf-neurale netwerken combineert met actieve leertechnieken om atoomstructuren uit spectroscopische data efficiënt en nauwkeurig te bepalen met minimale rekenkosten, waardoor het bestaande methoden overtreft.
Dit artikel beschrijft de ontwikkeling van geselecteerde kamertemperatuurchemische sensoren en opto-elektronische apparaten op basis van gengineerde SnO2-grafenoxyde-nanoheteroverbindingen, waarbij de chemische selectiviteit voor vluchtige organische verbindingen en de opto-elektronische prestaties kunnen worden afgestemd door de GO-concentratie te variëren.
Dit artikel introduceert Symmetr, een Python-pakket dat de symmetrie-gedefinieerde vormen van tensoren voor fysische eigenschappen van kristallen, met name magnetische materialen, bepaalt met gebruikmaking van magnetische ruimtegroepen en spin-groepen.
Dit artikel analyseert de wisselwerkingen tussen filamenten via van der Waals-krachten, waarbij wordt voorspeld dat de bijdragen aan de energie afwisselend aantrekkend en afstotend zijn naarmate het aantal objecten toeneemt, wat wijst op de noodzaak van niet-perturbatieve berekeningen voor betrouwbare voorspellingen.
Dit artikel presenteert een milieuvriendelijke, loodvrije Cs2AgBiBr6-perovskiet-sensor die bij kamertemperatuur een uitzonderlijk stabiele, selectieve en energiezuinige detectie van ozon mogelijk maakt.
Dit onderzoek toont aan dat het gebruik van stap-geëindigde AlO-substraat met een hoge miscut-hoek de vorming van antifase-twins in BiSe effectief onderdrukt door atomaire stapranden als preferentiële nucleatieplaatsen te benutten, hoewel deze selectiviteit afneemt naarmate de filmdikte toeneemt.
Deze studie presenteert een uitgebreide ab initio-atomaire methode die, door gebruik te maken van DFT-bepaalde oppervlakte- en interface-energieën, de evenwichts-vormen van hetero-geïntegreerde kristallen zoals GaP op Si succesvol voorspelt en bevestigt met experimentele TEM-resultaten.