2692 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 artikel presenteert twee 19 GHz single-ended-naar-gebalanceerde gemodificeerde ladder-roosterfilters gerealiseerd met periodiek gepolariseerde AlScN BAW-resonatoren die de noodzaak voor externe baluns elimineren terwijl ze een lage invoegverlies, hoge uit-band onderdrukking en concurrerende prestaties bereiken voor draadloze communicatie-toepassingen.
Dit artikel presenteert een verbeterde versie van het ComProScanner-framework dat vision-language-modellen integreert om automatisch compositie-eigenschapsgegevens uit wetenschappelijke figuren te extraheren, waarbij een hoge nauwkeurigheid en kosteneffectiviteit wordt bereikt terwijl de eerste volledig geautomatiseerde, multimodale pijplijn voor het minen van materiaalsgegevens uit tekst, tabellen en afbeeldingen wordt gevestigd.
Deze review belicht recente technologische vooruitgang in het fabriceren van hoogwaardige, lithografisch gedefinieerde multi-terminale elektrische contacten op opkomende enkristallen, waarbij een praktische gids wordt geboden om de uitdagingen die worden veroorzaakt door hun onregelmatige geometrieën en structurele kenmerken te overwinnen voor betrouwbare transportmetingen.
Dit artikel presenteert een schaalbaar, datagestuurd framework dat een enorme materiaaldatabase doorzoekt om 36 voorheen ongerapporteerde altermagneten en 9 Luttinger-gecompenseerde ferrimagneten te identificeren en te classificeren, waarmee een hoogdoorvoerroute wordt gevestigd voor de ontdekking van onconventionele antiferromagneten met veelbelovende spintronische toepassingen.
Dit artikel rapporteert de succesvolle synthese van enkelvoudige laag fluorographdiyne-nanosheets tot 60×60 nm² op een Au(111)-oppervlak via een selectieve 2D-oppervlak-covalente polymerisatiemethode die kobaltkatalyse en coronene-templating combineert om eerdere uitdagingen bij het bereiken van grote, defectvrije domeinen te overwinnen.
Deze studie maakt gebruik van een grafeen-gebaseerde veldeffecttransistor om aan te tonen dat door groei geïnduceerde structurele wanorde en multi-domein kinetiek het polarisatieschakelgedrag van CVD-gegroeide 3R-gestapelde WSe2-bilagen kritisch bepalen, wat belangrijke inzichten biedt voor het optimaliseren van van der Waals ferro-elektrische apparaten.
Dit artikel introduceert TMCgen, een manifold diffusiemodel dat efficiënt en accuraat de driedimensionale geometrieën van diverse overgangsmetaalcomplexen genereert door zich te concentreren op cruciale vrijheidsgraden zoals coördinatiehoeken en ligandtorsies.
Dit artikel vestigt een algemeen theoretisch kader dat aantoont dat moleculaire chiraliteit in gedimeriseerde dipolaire arrays instelbare topologische randtoestanden induceert met unieke stereochemische labeling, wat een controleerbaar platform biedt voor quasi-ééndimensionale topologische kwantummaterie.
Dit artikel stelt een nieuwe multimodale leerbenadering voor om de interfaces van gestapelde bilaterale 2D-materialen te modelleren en hun emergente eigenschappen te voorspellen, waarbij een gat in AI-gestuurde materiaaldiscovery wordt gedicht door een superieure effectiviteit en efficiëntie aan te tonen vergeleken met basismethoden.
Dit artikel toont aan dat een hybride machine learning-benadering, die fysisch geïnformeerde elementaire beschrijvers inbedt in het Redlich-Kister-raamwerk, effectief de beperkingen van gegevens overtreft van traditionele CALPHAD-modellering om robuuste, zero-shot voorspelling van thermodynamische interactieparameters voor onbekende of gegevensarme legeringssystemen mogelijk te maken.