4135 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 perspectief evalueert de mogelijkheden en beperkingen van het gebruik van tweedimensionale materialen om fabricage-geïnduceerde decoherentie te overwinnen en de ontwikkeling van schaalbare, CMOS-compatibele kwanthardware mogelijk te maken.
Dit artikel stelt een strategie voor om de Wiedemann-Franz-limiet in thermo-elektrica te doorbreken door energie-afhankelijke verstrooiing te ontwerpen in platte-band-systemen, zoals monolagen NiIn, om tegelijkertijd een hoge elektrische geleidbaarheid en Seebeck-coëfficiënt te bereiken terwijl de elektronische thermische geleidbaarheid wordt onderdrukt.
Dit artikel presenteert een nieuwe all-elektronische, real-time TDDFT-implementatie in FHI-aims die volledige minimale koppeling incorporeert om röntgen-materie-interacties nauwkeurig te modelleren door ruimtelijk variërende vectorpotentialen en fotonimpulsen te behouden, waardoor het de studie van niet-dipole effecten en verboden overgangskanalen in moleculen en vaste stoffen mogelijk maakt.
Deze studie onthult dat acentrische ureum een druk-geïnduceerde overgang ondergaat naar een exotische centrosymmetrische fase (V') boven 10 GPa, gekenmerkt door een verlies van tweede harmonische generatie en een kwantumdisorder intermediaire staat (Fase X) tussen 5,2 en 10,0 GPa, zoals bevestigd door gecombineerde experimentele spectroscopie, diffractie en theoretische kristalstructuurvoorspelling.
Deze studie maakt gebruik van grootschalige reactieve moleculaire dynamica om aan te tonen dat de coërcitieve velden in ZnO-gebaseerde wurtziet-ferro-elektrica worden beheerst door ongeëvenaarde lokale polaire orde bij de voortschrijdende inversie-grensvlakfilamentkop, waarbij wordt onthuld dat ladingsherverdeling en heterostructurering deze barrière effectief kunnen onderdrukken om het coërcitieve veld met ongeveer 50% te verminderen.
Deze studie toont aan dat het verkleinen van de interionische afstand tussen Tb³⁺- en Eu³⁺-ionen in metaal-organische raamwerken de energieoverdracht en thermische gevoeligheid verbetert, waardoor een structuur-prestatierelatie wordt vastgesteld die essentieel is voor het rationeel ontwerp van filterloze, op camera gebaseerde RGB-thermometers.
Deze studie maakt gebruik van first-principles berekeningen en atomistische simulaties om aan te tonen dat de wisselwerking tussen intrinsieke uitwisselingsfrustratie en symmetrie-brekende Dzyaloshinskii-Moriya-interacties in tweedimensionale altermagnetische chroomchalcogeniden de vorming van diverse niet-collineaire topologische spintexturen aandrijft door middel van onderscheidende synergetische en competitieve mechanismen.
SpectraFit XPS is een gratis, browsergebaseerde applicatie die veilige, client-zijde röntgenfoto-elektronspectroscopie (XPS) data-analyse mogelijk maakt, waarbij geavanceerde piekfitting, kwantificering en ISO 14976-bestandsondersteuning worden geboden met geverifieerde nauwkeurigheid ten opzichte van het open-source KherveFitting-project.
ZStar is een open-source Python-toolkit die de berekening van polarisatie, Born effectieve ladingen, diëlektrische respons, en infrarood- en Raman-spectra voor materialen van alle dimensionaliteiten automatiseert via een verenigde, symmetrie-geadapteerde workflow die de computationele efficiëntie verhoogt en zowel conventioneel als agent-ondersteund gebruik ondersteunt.
Dit artikel introduceert een probabilistisch deep learning-framework dat beeldcompressie, temporele voorspelling en microstructuurprognose verenigt om de evolutie van Widmanstätten-ferriet in S235-staal onder willekeurige thermische geschiedenissen accuraat te voorspellen met behulp van in situ hoogtemperatuur-microscopiegegevens.