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.

Localized Energy States Induced by Atomic-Level Interfacial Broadening in Heterostructures

Este artigo apresenta um modelo teórico e confirma experimentalmente que o alargamento interfacial em nível atômico em super-redes de SiGe/Si induz estados de energia localizados que criam novos caminhos para recombinação de portadores e estendem a absorção óptica para energias mais baixas, permitindo uma sonda não destrutiva desse fenômeno.

Anis Attiaoui, Gabriel Fettu, Samik Mukherjee, Matthias Bauer, Oussama Moutanabbir2026-04-01🔬 physics.optics

Accelerated Design of Mechanically Hard Magnetically Soft High-entropy Alloys via Multi-objective Bayesian Optimization

Este estudo utiliza uma otimização bayesiana multiobjetivo com um modelo de substituição emsemble e uma estratégia de amostragem eficiente para acelerar o projeto de ligas de alta entropia que combinam simultaneamente alta dureza mecânica e propriedades magnéticas macias.

Mian Dai, Yixuan Zhang, Weijia He, Chen Shen, Xiaoqing Li, Stephan Schönecker, Liuliu Han, Ruiwen Xie, Tianhang Zhou, Hongbin Zhang2026-04-01🔬 cond-mat.mtrl-sci

Evaluation of Foundational Machine Learned Interatomic Potentials for Migration Barrier Predictions

Este estudo avalia cinco potenciais interatômicos aprendidos por máquina fundamentais (MACE-MP-0, Orb-v3, SevenNet, CHGNet e M3GNet) para prever barreiras de migração iônica, demonstrando que modelos como MACE-MP-0 e Orb-v3 oferecem alta precisão e utilidade na triagem de condutores iônicos, embora a acurácia na previsão de barreiras não esteja correlacionada com a precisão geométrica.

Achinthya Krishna Bheemaguli, Penghao Xiao, Gopalakrishnan Sai Gautam2026-04-01🔬 cond-mat.mtrl-sci

Effect of uniaxial compressive stress on polarization switching and domain wall formation in tetragonal phase BaTiO3 via machine learning potential

Este estudo utiliza potenciais de aprendizado de máquina para demonstrar que a tensão compressiva uniaxial induz a comutação de polarização a 90 graus em BaTiO3 tetragonal a cerca de 120 MPa, reduzindo a polarização remanescente e o campo coercivo enquanto favorece a formação de paredes de domínio e a emergência de um ciclo de histerese duplo.

Po-Yen Chen, Teruyasu Mizoguchi2026-04-01🔬 physics

Controlling Mixed Mo/MoS2_2 Domains on Si by Molecular Beam Epitaxy for the Hydrogen Evolution Reaction

Este estudo demonstra que o controle preciso das condições de crescimento por epitaxia de feixe molecular, especificamente a estequiometria de enxofre e o número de ciclos de deposição, permite criar filmes de MoS2_2 com defeitos controlados e fases metálicas residuais sobre silício, resultando em uma atividade catalítica superior para a reação de evolução de hidrogênio em comparação com materiais estequiométricos.

Eunseo Jeon, Vincent Masika Peheliwa, Marie Hrůzová Kratochvílová, Tim Verhagen, Yong-Kul Lee2026-04-01🔬 cond-mat.mtrl-sci

Data-Driven Estimation of the interfacial Dzyaloshinskii-Moriya Interaction with Machine Learning

Este artigo apresenta uma rede neural convolucional treinada em dados micromagnéticos que demonstra robustez e capacidade de generalização para estimar com precisão a interação de Dzyaloshinskii-Moriya interfacial diretamente a partir de texturas de domínios magnéticos, oferecendo uma ferramenta rápida e quantitativa para caracterização experimental.

Davi Rodrigues, Andrea Meo, Ali Hasan, Edoardo Piccolo, Adriano Di Pietro, Alessandro Magni, Marco Madami, Giovanni Finocchio, Mario Carpentieri, Michaela Kuepferling, Vito Puliafito2026-04-01🔬 cond-mat.mtrl-sci

First principles electric field gradients at A and B site cations across the NaRTiO4 Ruddlesden Popper series

Este estudo apresenta uma investigação *ab-initio* da série de titanatos de Ruddlesden-Popper NaRTiO₄, revelando como a evolução das propriedades estruturais e eletrônicas depende do raio iônico e demonstrando que os gradientes de campo elétrico (EFG) servem como assinaturas sensíveis para distinguir as simetrias fundamentais e orientar técnicas experimentais como RMN e PAC.

L. F. Almeida, A. N. Cesário, P. A. Sousa, P. Rocha-Rodrigues, L. V. C. Assali, H. M. Petrilli, J. P. Araújo, A. M. L. Lopes2026-04-01🔬 cond-mat.mtrl-sci

Singing Materials: Initial experiments in applying sonification to phonon spectra

O artigo apresenta o pacote Python modular \texttt{SingingMaterials}, que utiliza técnicas de sonificação para transformar dados de espectros de fônons em representações auditivas, permitindo a exploração e distinção de propriedades vibracionais de materiais através de um estudo com usuários.

Lucy Whalley, Rose Shepherd, Jorge Boehringer, Shelly Knotts, Paul Vickers, George Caselton, Christopher Harrison, Bennett Hogg, Daniel Ratliff, Carol Davenport, Antonio Portas2026-04-01🔬 cond-mat.mtrl-sci

Oxide-nitride heteroepitaxy for low-loss dielectrics in superconducting quantum circuits

Este trabalho demonstra que a heteroepitaxia de um dielétrico cristalino de γ\gamma-Al2_2O3_3 entre camadas de TiN, depositada por laser pulsado, resulta em um material de baixa perda com δTLS0=(2.8±0.1)×105\delta_{\text{TLS}}^0 = (2.8 \pm 0.1) \times 10^{-5}, estabelecendo uma plataforma promissora para circuitos quânticos supercondutores de alta qualidade.

David A. Garcia-Wetten, Mitchell J. Walker, Peter G. Lim, André Vallières, Maria G. Jimenez-Guillermo, Miguel A. Alvarado, Dominic P. Goronzy, Anna Grassellino, Jens Koch, Vinayak P. Dravid, Mark C. H (…)2026-04-01⚛️ quant-ph