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.
Eerste-beginselberekeningen onthullen dat stikstofgerelateerde defectcomplexen in , met name die die worden versterkt door zuurstof- en galliumvacatures, stabiele diepe-vangcentra vormen die gelokaliseerde elektronische toestanden binnen de bandgaps introduceren, waardoor het ladingsdragertransport wordt beperkt en semi-isolerend gedrag wordt bevorderd.
Deze studie identificeert NaYb(MoO) als een zeldzaam voorbeeld van een dipolaire kwantumparamagneet waarbij zwakke uitwisselingsinteracties en sterke anisotropie van het enkele ion binnen een uitgerekt diamantrooster magnetische orde op lange afstand voorkomen tot 50 mK, waardoor het systeem wordt gedomineerd door dynamische dipolaire correlaties.
Dit artikel introduceert een niet-invasieve atoomkrachtmicroscopiemethodiek die scannende tunnel-spectroscopie en dissipatiemetingen combineert om sub-band ladingsdragermobiliteiten en variaties in kwantumcapaciteit te kwantificeren in het tweedimensionale elektronengas van gereduceerd SrTiO(001), waardoor nieuwe inzichten worden geboden in ladingsdynamica voor oxide-elektronica en spintronica.
Deze studie onderzoekt de concurrerende kristallisatiepaden en de kinetiek van koude kristallisatie van het vloeibaar kristal 10OS5 en onthult dat de thermische geschiedenis ervan kan worden gemanipuleerd om de energie die tijdens faseovergangen vrijkomt, te sturen, waardoor het potentieel voor toepassingen in thermische energieopslag wordt onderstreept.
Deze studie maakt gebruik van een 7x7 silicium quantumdot-array, gefabriceerd via 300 mm CMOS en EUV-lithografie, om aan te tonen dat een gate-oxide-dikte van 17 nm de uniformiteit optimaliseert door de variabiliteit van de drempelspanning te minimaliseren, en biedt hiermee kritieke ontwerprichtlijnen voor schaalbare quantumcomputing-architecturen.
Dit artikel presenteert een nieuwe methodologie die röntgenfoton-correlatiespectroscopie (XPCS) combineert met domeinadaptief machine learning om niet-evenwichtsgrangrensdynamica in nanokristallijn silicium kwantitatief te onderzoeken, waarbij succesvol cruciale kinetische parameters worden geëxtraheerd uit complexe experimentele fluctuatiekaarten die eerder ontoegankelijk waren.
Deze studie toont aan dat de magnetische afstembaarheid van micrometer-grote op FePt gebaseerde Janus-deeltjes voornamelijk wordt bepaald door chemische ordening en niet door de kromming van de deeltjes, zoals blijkt uit experimenten en simulaties die aantonen dat de coerciviteit constant blijft bij variërende diameter, terwijl deze sterk afhankelijk is van L1_0-ordening.
Dit artikel introduceert een op symmetrie gebaseerd raamwerk dat gebruikmaakt van equivariante ruimtegroepen om equivariante magnetische Hamiltonianen (EMH's) te construeren die magnetische ordeparameters expliciet incorporeren, waardoor het mogelijk wordt om door magnetische dynamiek gedreven topologische fenomenen te bestuderen en nauwkeurige modellen te maken van n-afhankelijke bandstructuren in zowel model- als echte materialen.
Dit artikel introduceert RADAR-PD, een modaal bewust machine learning-kader dat de identificatie en verfijning van mefasen in zowel röntgen- als neutronenpoederdiffractie automatiseert door mismatch-tolerante neurale netwerken te combineren met fysisch beperkte verificatie om bestaande knelpunten in de autonome structurele ontdekking te overwinnen.
Dit artikel toont aan dat het beheersen van de hoeveelheid en geometrie van afgezet metaal om "thermische ophoping" te induceren, via zelfconsistent modelleren en tijdsafhankelijke simulaties de precieze manipulatie mogelijk maakt van door laser geïnduceerde vloeistofinstabiliteiten en patroonvorming in nanoschaal metaalfilms.