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.
Este trabalho demonstra que modos de fônon imaginários espúrios em MOFs podem causar erros significativos nas estimativas de capacidade térmica e no treinamento de modelos de aprendizado de máquina, propondo, em contrapartida, um fluxo de trabalho de pós-processamento para corrigir esses cálculos.
Este artigo introduz o RADII, um benchmark de escala contínua que caracteriza a "fronteira de extrapolação" de modelos generativos de materiais, demonstrando como a qualidade estrutural de nanopartículas degrada conforme o tamanho aumenta e revelando que essa falha pode ser quantitativamente prevista por meio de leis de potência.
Este artigo examina como o surto de IA e dispositivos conectados está impulsionando uma transição para arquiteturas de computação de borda para atender a demandas computacionais sem precedentes, delineando os principais designs e métricas que moldarão os sistemas de sensores inteligentes de próxima geração.
Este artigo reformula a equação de Young macroscópica em fundamentos moleculares utilizando um coeficiente de molhabilidade universal derivado da energética intrínseca das ligações de hidrogênio da água, revelando, assim, a molhabilidade como uma propriedade emergente da própria água e estabelecendo um arcabouço preditivo que unifica molhabilidade, adesão e cavitação através de diversas superfícies.
Este artigo utiliza simulações numéricas para demonstrar que, enquanto modelos de dinâmica de discordâncias discretas com regras de aniquilação convergem consistentemente para uma EDP que contabiliza a aniquilação, modelos sem regras de colisão exibem um comportamento de convergência inconsistente, destacando a importância crítica de tratar cuidadosamente as colisões de discordâncias em tais simulações.
Este artigo introduz um novo método de preenchimento consciente da simetria que integra informações de posição de Wyckoff em arquiteturas de codificador para aumentar significativamente a precisão, estabilidade e eficiência de modelos generativos para o design de materiais inorgânicos diversos, alcançando melhorias notáveis na precisão de reconstrução e na geração de novos compostos estáveis.
Este estudo relata a descoberta de magnetostrição anisotrópica e facilmente saturável no altermagneto prototípico MnTe, uma descoberta que desafia as visões tradicionais sobre a magnetostrição antiferromagnética ao revelar um acoplamento permitido por simetria entre a deformação elástica e o parâmetro de ordem de Néel.
Este artigo estabelece uma regra de simetria restrita para a magnetização robusta à polarização da luz em sistemas antiferromagnéticos e demonstra, por meio de teoria e cálculos, que estruturas de espiral de spin, ao contrário de antiferromagnetos colineares, permitem a manipulação de spin ultrarrápida e independente de polarização via desmagnetização e rotação no espaço real.
Este estudo demonstra que a combinação de substituição por cloro e irradiação por íons de hélio no semicondutor magnético bidimensional CrSBr induz a quebra de simetria local e o espalhamento relacionado a defeitos, os quais coletivamente reconstroem os espectros Raman anisotrópicos ao mesmo tempo em que preservam um robusto acoplamento elétron-fônon potencializado por ressonância.
Este artigo apresenta uma estrutura de Monte Carlo cinético autoevolutiva que treina dinamicamente modelos de aprendizado de máquina em tempo real para prever eficientemente taxas de difusão atômica para simulações de crescimento de filmes finos, alcançando alta eficiência computacional e precisão ao substituir cálculos caros por aprendizado guiado por incerteza, conforme demonstrado no crescimento de subcamadas de Ag/Ag{111}.