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.

🔬 optics

Near-field effects on cathodoluminescence outcoupling in perovskite thin films

Deze studie toont aan dat nanoschaalvariaties in de kathodoluminescentie-intensiteit binnen polykristallijne CsPbBr3-perovskietfilms primair worden gedreven door nabeldereffecten, specif seguito door versterkte lichtvangst bij gebogen korrelgrenzen en Fabry-Perot-achtige resonanties, in plaats van door verschillen in intrinsieke materiaaleigenschappen.

Robin Schot, Imme Schuringa, Álvaro Rodríguez Echarri, Lars Sonneveld, Tom Veeken, Yang Lu, Samuel D. Stranks, Albert Po (…)2026-01-28
🔬 materials science

Locally Scaled Self-Interaction Corrected Energy Functionals with Complex Optimal Orbitals

Dit artikel presenteert een volledig variationele, lokaal geschaalde self-interaction corrected energiefunctie die complexe optimale orbitalen en een op kinetische energiedichtheid gebaseerde schaalfactor gebruikt om de correctie dynamisch aan te passen over verschillende elektronendichtheidsregimes, waardoor de voorspellingen voor atomaire, moleculaire en vaste-stofsystemen worden verbeterd.

Jukka John, Hlynur Guðmundsson, Iðunn Björg Arnaldsdóttir, Hannes Jónsson, Elvar Örn Jónsson2026-01-28
🔬 materials science

Comparative Analysis of Plasticity-based GND Density Estimation Methods in Crystal Plasticity Finite Element Models

Dit artikel vergelijkt projectiegebaseerde en slip-gradiëntmethoden voor het schatten van geometrisch noodzakelijke dislocatiedichtheden (GND) in kristalplasticiteit eindige elementenmodellen, waarbij wordt onthuld dat hoewel beide de analytische trends volgen, de projectiemethode de GND's in polykristallen aanzienlijk onderschat, tenzij deze wordt verbeterd door berekeningen te beperken tot enkel actieve dislocatiesystemen.

Michael Pilipchuk, Chaitali Patil, Veera Sundararaghavan2026-01-28
🔬 mesoscale physics

Atomic imaging of 2D transition metal dihalides

Dit artikel introduceert een polymervrije fabricagemethode om luchtgevoelige 2D-overgangsmetaaldiiodiden succesvol te isoleren en te beelden bij de monolaaglimiet, waarbij hun unieke structurele kenmerken worden onthuld, waaronder lage energie-stapelingsbarrières en stabiele jodiumvacatures, terwijl tegelijkertijd een veelzijdig platform wordt gedemonstreerd voor het creëren van schone, gesuspendeerde van der Waals-heterostructuren.

Wendong Wang, Gareth R. M Tainton, Nick Clark, James G. McHugh, Xue Li, Sam Sullivan-Allsop, David G. Hopkinson, Oldrich (…)2026-01-28
🔬 materials science

AI-Assisted Rapid Crystal Structure Generation Towards a Target Local Environment

Het artikel introduceert LEGO-xtal, een op symmetrie gebaseerd AI-generatief framework dat snel diverse kristalstructuren produceert die overeenkomen met een doelgerichte lokale omgeving door AI-gegenereerde initiële structuren te combineren met machine learning-gebaseerde optimalisatie, waarmee succesvol een kleine set koolstofallotroopvormen is uitgebreid naar meer dan 1.700 levensvatbare kandidaten.

Osman Goni Ridwan, Sylvain Pitié, Monish Soundar Raj, Dong Dai, Gilles Frapper, Hongfei Xue, Qiang Zhu2026-01-27
🔬 materials science

Abinit 2025: New Capabilities for the Predictive Modeling of Solids and Nanomaterials

Dit artikel presenteert de significante wetenschappelijke en technische vooruitgang in het Abinit-softwarepakket over de afgelopen vijf jaar, waarbij nieuwe mogelijkheden in grondtoestand- en aangeslagen-toestandsmethodologieën, GPU-versnelde high-performance computing, second-principles modellering en geautomatiseerde workflows worden belicht die zijn ontworpen om hoogdoorvoerende voorspellende modellering van vaste stoffen en nanomaterialen te ondersteunen.

Matthieu J. Verstraete, Joao Abreu, Guillaume E. Allemand, Bernard Amadon, Gabriel Antonius, Maryam Azizi, Lucas Baguet (…)2026-01-27
🔬 materials science

Electro-thermal Co-design of Vertical \b{eta}-Ga2O3 Schottky Diodes with High-permittivity BaTiO3 Field-plate for High-field and Thermal Management

Deze studie toont aan dat het integreren van een thermisch geleidende AlN-isolator met een hoog-permittiviteit BaTiO3-veldplaat in verticale β\beta-Ga2_2O3_3 Schottky-barrière-diodes effectief thermische hotspots mitigeert en het elektrische veldbeheer verbetert, waardoor de warmteafvoer en doorslagprestaties voor hoogvermogenstoepassingen aanzienlijk worden verbeterd.

Ahsanul Mohaimeen Audri, Chung-Ping Ho, Emerson J. Hollar, Jingjing Shi, Esmat Farzana2026-01-27
🔬 applied physics

Strong lead-free bioinspired piezoceramics for durable energy transducers

Deze studie presenteert een schaalbaar, bio-geïnspireerd baksteen-en-mortel microstructuurontwerp voor loodvrije Bi0.5Na0.5TiO3 piëzo-keramieken dat de mechanische sterkte, breuktaaiheid en vermoeidheidsweerstand aanzienlijk verbetert zonder de piëzo-elektrische prestaties aan te tasten, waardoor duurzame energietransducers mogelijk worden gemaakt.

Ruxue Yang, Temesgen Tadeyos Zate, Peiren Wang, Soumyajit Mojumder, Elo Overgaard Mogensen, Oriol Gavalda-Diaz, Zihe Li (…)2026-01-27
🔬 materials science

InSpecLearn4SDL: Interpretable Spectral Features Predict Conductivity in Self-Driving Doped Conjugated Polymer Labs

Dit artikel introduceert InSpecLearn4SDL, een interpreteerbare machine learning-pipeline die een genetisch algoritme en SHAP-gestuurde featureselectie gebruikt om de elektrische geleidbaarheid van gedoteerde geconjugeerde polymeren te voorspellen vanuit snelle optische spectra, waardoor de experimentele inspanning in self-driving labs met ongeveer 33% wordt verminderd terwijl belangrijke fysieke descriptoren worden teruggewonnen.

Ankush Kumar Mishra, Jacob P. Mauthe, Nicholas Luke, Aram Amassian, Baskar Ganapathysubramanian2026-01-27