2692 artigos
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.
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.
O artigo apresenta o \texttt{MACE-Field}, um potencial interatômico -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.
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.
Este estudo utiliza aprendizado de máquina e predição de estrutura baseada em difusão para revelar que o difluorfosfato de lítio amorfo (), 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.
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.
Este artigo propõe uma nova "Lei de Viscosidade Modulada por Restrições" baseada na premissa da Atualização Presente Contínua, que supera modelos padrão como VFT e MYEGA ao ajustar sistemas formadores de vidro de janela ampla, ao contabilizar o estreitamento contínuo do acesso configuracional conforme os líquidos resfriam.
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 CrPS, revelando um gap de transferência de carga ligante-metal e padrões distintos de hibridização orbital que governam suas propriedades magnéticas e ópticas.
Este artigo apresenta um banco de dados de Síntese-Propriedade de Nanocristais alinhado e de larga escala, construído por meio da ferramenta NanoExtractor aprimorada por LLM, que possibilita o design inverso generativo de rotas de síntese de nanocristais viáveis através do modelo NanoDesigner, validado com sucesso pela confirmação experimental de formulações de nanocristais tanto estabelecidas quanto inéditas.
O artigo apresenta o MOF-LLM, um novo framework que aprimora as capacidades de raciocínio espacial de um modelo de linguagem Qwen-3 8B por meio de pré-treinamento contínuo consciente do espaço, ajuste fino supervisionado e aprendizado por reforço para alcançar a previsão de estrutura 3D em nível de bloco de alta eficiência e estado da arte para Redes Metalorgânicas.
O MatMind é um modelo de fundação generativo unificado para a ciência de materiais cristalinos que integra conhecimento de estrutura-atividade e feedback baseado em física para superar arquiteturas especializadas e restritas tanto em tarefas de previsão de propriedades quanto de geração de cristais.