2756 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 een geïntegreerde, FAIR-georiënteerde workflow die versiebeheer, geautomatiseerde testen, gestructureerde logging en gestandaardiseerde nabewerking combineert om een volledige data-provenanceketen tot stand te brengen die reproduceerbaarheid waarborgt van code-ontwikkeling tot gepubliceerde figuren in numerieke fysische simulaties.
Dit artikel toont aan dat niet-Abelse multigap-bandtopologie, gekenmerkt door niet-triviale Euler-class-invarianten, waarneembare magnetoniet-lineaire Hall-effecten induceert in instelbare twee-dimensionale kagome-metaal-organische kaders, en zo een weg biedt om deze onontdekte topologische fase experimenteel te detecteren via regelbare magnetotransportmetingen.
Dit artikel presenteert een schaalbare, GPU-gerichte finite-element projector-versterkte-golf (PAW-FE) methode die gebruikmaakt van algoritmische innovaties zoals gemengde precisie-aritmetiek en Chebyshev-gefilterde subspace iteratie om aanzienlijke snelheidswinst en exascale-bereide prestaties te realiseren voor grootschalige, chemisch nauwkeurige dichtheidsfunctionaaltheorie-simulaties.
Dit artikel presenteert een efficiënte en nauwkeurige implementatie van hybride uitwisselings-correlatiefuncties in de SIESTA-code, waarbij gebruik wordt gemaakt van een door Gauss-functies benaderde representatie van numerieke atoomorbitalen om grootschalige, schaalbare simulaties van uitgebreide systemen mogelijk te maken met aanzienlijk verbeterde voorspellingen van de bandgaten.
Dit artikel introduceert een multifidelity Mixture-of-Experts-framework voor machine learning interatomische potentialen dat simulatiedomeinen ruimtelijk partitioneert en een co-trainingstrategie hanteert om mechanische mismatches aan interfaces op te lossen, waardoor voor complexe katalytische systemen een nauwkeurigheid op hoogwaardig niveau wordt bereikt met meer dan het dubbele van de rekenkracht van standaardmethoden.
Deze studie op basis van eerste principes onthult dat het quasi-2D C2N2O-materiaal een thermisch stabiele halfgeleider is met een lage thermische geleidbaarheid, een instelbare indirecte bandkloof en sterke anisotrope optische absorptie, waardoor het een veelbelovende kandidaat is voor opto-elektronische en thermische regeltoepassingen op nanoschaal.
Dit artikel presenteert een veelzijdig stamplatform met hoge opbrengst dat nauwkeurige, reversibele en homogene uniaxiale rekafstelling tot ongeveer 5,5% mogelijk maakt in diverse tweedimensionale materialen, waardoor eerdere beperkingen in rekmagnitude, herhaalbaarheid en cryogene prestaties worden overwonnen en tegelijkertijd het onderzoek naar rekgradiënten wordt vergemakkelijkt.
Deze studie toont aan dat de negatieve magnetoresistantie die wordt waargenomen in gespannen -Sn- en -SnGe-films onder in-vlakke magnetische velden, niet verenigbaar is met de hypothese van de chirale anomalie, wat suggereert dat alternatieve mechanismen verantwoordelijk zijn voor het effect.
Dit artikel onderzoekt numeriek Turingpatronen op niet-fluctuerende roosters met behulp van Finsler-geometrie om mechanische spanning te modelleren, en toont aan dat deze statische systemen spanningsgeïnduceerde patroonresponsen vertonen die analoog zijn aan die welke worden waargenomen op fluctuerende membranen.
Deze studie valideert een overdraagbaar machine-learning potentieel, oorspronkelijk getraind op vaste-stof eigenschappen, voor het nauwkeurig simuleren van de structurele en dynamische kenmerken van vloeibare Al-Ti-legeringen bij verschillende temperaturen en samenstellingen, waarbij zwakke chemische ordening wordt blootgelegd en sterke overeenstemming met experimentele data wordt aangetoond.