A área de Física da Matéria Condensada e Ciência dos Materiais investiga como os átomos se organizam para criar as propriedades que definem o mundo ao nosso redor, desde a condutividade de um fio até a flexibilidade de um novo polímero. É um campo onde a descoberta teórica se transforma rapidamente em tecnologias que moldam nosso dia a dia.

No Gist.Science, acompanhamos diariamente os novos preprints dessa categoria vindos diretamente do arXiv. Nossa equipe processa cada publicação para oferecer resumos técnicos detalhados e explicações em linguagem acessível, garantindo que os avanços mais recentes sejam compreensíveis para todos os níveis de conhecimento.

Abaixo, você encontrará a lista atualizada das pesquisas mais recentes publicadas nesta intersecção fascinante entre física e engenharia.

Modeling phase transformations in Mn-rich disordered rocksalt cathodes with machine learning interatomic potentials

Este estudo emprega potenciais interatômicos de aprendizado de máquina para revelar que cátodos de sal de rocha desordenados ricos em Mn sofrem uma transformação de fase em uma estrutura do tipo espinélio impulsionada pela migração de metais de transição em vez da formação de Mn2+^{2+}, resultando em cinética de transporte de lítio aprimorada e maior capacidade.

Peichen Zhong, Bowen Deng, Shashwat Anand, Tara Mishra, Gerbrand Ceder2026-06-09🔬 cond-mat.mtrl-sci

Deep Generative Learning of Magnetic Frustration in Artificial Spin Ice from Magnetic Force Microscopy Images

Este artigo apresenta um framework de aprendizado profundo de dois estágios que utiliza Autoencoders Variacionais para gerar imagens sintéticas de Microscopia de Força Magnética e automatizar a análise de frustração magnética em gelo de spin artificial, permitendo, por fim, a identificação precisa de vértices frustrados e o design de configurações de gelo de spin otimizadas.

Arnab Neogi, Suryakant Mishra, Prasad P Iyer, Tzu-Ming Lu, Ezra Bussmann, Sergei Tretiak, Andrew Crandall Jones, Jian-Xin Zhu2026-06-09🔬 cond-mat.mtrl-sci

Adjudicating Conduction Mechanisms in High Performance Carbon Nanotube Fibers

Através de extensos experimentos criogênicos e modelagem teórica, este estudo elucida os mecanismos de condução em fibras de nanotubos de carbono de alto desempenho, demonstrando que o tunelamento induzido por flutuação heterogênea e o transporte dependente de campo permitem que elas superem os metais tradicionais em condutividade última.

John Bulmer, Chris Kovacs, Thomas Bullard, Charlie Ebbing, Timothy Haugan, Ganesh Pokharel, Stephen D. Wilson, Fedor F. Balakirev, Oscar A. Valenzuela, Michael A. Susner, David Turner, Pengyu Fu, Tere (…)2026-06-09🔬 cond-mat.mtrl-sci

General Learning of the Electric Response of Inorganic Materials

O artigo apresenta o \texttt{MACE-Field}, um potencial interatômico O(3)O(3)-equivariante que integra um campo elétrico uniforme à estrutura do MACE para prever com precisão as propriedades dielétricas, ferroelétricas e espectroscópicas de diversos materiais inorgânicos por meio da diferenciação exata de um funcional de entalpia elétrica aprendido.

Bradley A. A. Martin, Alex M. Ganose, Venkat Kapil, Tingwei Li, Keith T. Butler2026-06-09🔬 cond-mat.mtrl-sci

Intrinsic characteristic radius drives phonon anomalies in Janus transition metal dichalcogenide nanotubes

Este estudo revela que nanotubos de dicalcogenetos de metais de transição de Janus alcançam energia mínima e exibem picos anômalos de frequência de fônons ópticos quando seu raio extrínseco coincide com o raio de curvatura intrínseco da monocamada, um fenômeno impulsionado por modos de fônons suaves resultantes do desvio de curvatura.

Jing-Jing Zhang, Jin-Wu Jiang2026-06-09🔬 cond-mat.mes-hall

Machine-Learning-Guided Insights into Solid-Electrolyte Interphase Conductivity: Are Amorphous Lithium Fluorophosphates the Key?

Este estudo utiliza aprendizado de máquina e predição de estrutura baseada em difusão para revelar que o difluorfosfato de lítio amorfo (\ceLiPO2F2\ce{LiPO2F2}), um componente chave da interfase de eletrólito sólido, exibe alta condutividade iônica devido ao desordem estrutural e abundantes defeitos intersticiais, sugerindo que fases de ânions mistos amorfas são as principais vias de íons rápidos em baterias de íon-lítio.

Peichen Zhong, Kristin A. Persson2026-06-09🔬 cond-mat.mtrl-sci

Data-model Coevolution as the Architectural Principle for AI-Native Materials Databases

Este artigo propõe e valida a "coevolução dado-modelo" como um princípio arquitetônico fundamental para bancos de dados de materiais nativos de IA, demonstrando, através de um protótipo ternário de Li-P-S, que ciclos endógenos de geração-avaliação-refinamento podem descobrir autonomamente novas fases estáveis e alcançar modelagem preditiva de alta precisão com custo mínimo de primeiros princípios.

Fengyu Xie, Ruoyu Wang, Taoyuze Lv, Yuxiang Gao, Hongyu Wu, Zhicheng Zhong2026-06-09🔬 cond-mat.mtrl-sci

Momentum-Resolved Electronic Structure and Orbital Hybridization in the Layered Antiferromagnet CrPS4_4

Este estudo combina espectroscopia de fotoemissão com resolução de momento e cálculos DFT+U para caracterizar experimentalmente a estrutura de bandas eletrônicas do antiferromagnético em camadas CrPS4_4, revelando um gap de transferência de carga ligante-metal e padrões distintos de hibridização orbital que governam suas propriedades magnéticas e ópticas.

Lasse Sternemann, David Maximilian Janas, Eshan Banerjee, Richard Leven, Jonah Elias Nitschke, Marco Marino, Leon Becker, Ahmet Can Ademoğlu, Frithjof Anders, Stefan Tappertzhofen, Mirko Cinchetti2026-06-09🔬 cond-mat.mtrl-sci