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.

Physics-informed neural network for predicting fatigue life of unirradiated and irradiated austenitic and ferritic/martensitic steels under reactor-relevant conditions

Este estudo propõe uma rede neural informada por física (PINN) que, ao incorporar restrições físicas, supera os modelos tradicionais na previsão precisa e interpretável da vida à fadiga de aços austeníticos e ferríticos/martensíticos irradiados e não irradiados sob condições relevantes para reatores nucleares.

Dhiraj S Kori, Abhinav Chandraker, Syed Abdur Rahman, Punit Rathore, Ankur Chauhan2026-03-20🔬 cond-mat.mtrl-sci

Parity Breaking at Faceted Crystal Growth Fronts during Ice Templating

Este estudo utiliza simulações de campo de fase para demonstrar que a seleção da direção de crescimento das lamelas de gelo durante a solidificação direcional de soluções aquosas pode ser compreendida no contexto da quebra espontânea de paridade, fornecendo previsões quantitativas sobre o ângulo de inclinação das lamelas e uma base teórica para interpretar observações experimentais na templação de materiais porosos.

Kaihua Ji, Alain Karma2026-03-20🔬 cond-mat.mtrl-sci

DiffCrysGen: A Generative Diffusion Model for Accelerated Design of Inorganic Crystalline Materials

O artigo apresenta o DiffCrysGen, um modelo generativo de difusão totalmente orientado por dados que acelera o design de materiais cristalinos inorgânicos funcionais ao gerar estruturas completas em um único processo unificado, validando sua eficácia na descoberta de materiais magnéticos estáveis e sintetizáveis sem o uso de terras raras.

Sourav Mal, Nehad Ahmed, Junaid Jami, Subhankar Mishra, Prasenjit Sen2026-03-20🔬 cond-mat.mtrl-sci

KAN-Enhanced Contrastive Learning Accelerating Crystal Structure Identification from XRD Patterns

Este artigo apresenta o XCCP, um quadro de aprendizado contrastivo guiado por física que utiliza redes Kolmogorov-Arnold para acelerar e automatizar a identificação precisa de estruturas cristalinas a partir de padrões de difração de raios X, superando as limitações dos métodos tradicionais de alto rendimento.

Chenlei Xu, Tianhao Su, Jie Xiong, Yue Wu, Shuya Dong, Tian Jiang, Mengwei He, Shuai Chen, Tong-Yi Zhang2026-03-20🔬 cond-mat.mtrl-sci

Origin of Bright Quantum Emissions with High Debye-Waller factor in Silicon Nitride

Este estudo utiliza a teoria do funcional da densidade híbrida para identificar que defeitos específicos do tipo nitrogênio-vacância (NSi_\text{Si}VN_\text{N}) em silício nitretado são a origem microscópica das emissões quânticas brilhantes observadas, explicando suas propriedades espectrais e abrindo caminho para a integração monolítica de fontes de fótons únicos.

Shibu Meher, Manoj Dey, Abhishek Kumar Singh2026-03-20🔬 cond-mat.mtrl-sci

Multimodal Machine Learning for Soft High-k Elastomers under Data Scarcity

Este artigo apresenta a curadoria de um conjunto de dados de elastômeros dielétricos à base de acrilato e a proposta de um framework de aprendizado multimodal baseado em representações pré-treinadas de polímeros para superar a escassez de dados e acelerar a descoberta de elastômeros macios com alta constante dielétrica e baixo módulo de Young.

Brijesh FNU, Viet Thanh Duy Nguyen, Ashima Sharma, Md Harun Rashid Molla, Chengyi Xu, Truong-Son Hy2026-03-20🔬 cond-mat.mtrl-sci

Lightweight phase-field surrogate for modelling ductile-to-brittle transition through phenomenological elastoplastic coupling

Este trabalho propõe um substituto leve de campo de fase, implementado no FEniCSx, que modela a transição dúctil-frágil em sistemas cúbicos de corpo centrado ao acoplar fenomenologicamente a temperatura a mecanismos de degradação, escoamento e tenacidade, capturando eficazmente as tendências de resposta mecânica em uma faixa de 77 a 293 K sem o custo computacional de modelos termomecânicos totalmente acoplados.

P G Kubendran Amos2026-03-20🔬 cond-mat.mtrl-sci