Dynamical multiferroicity in framework materials
本研究利用从头算方法证明,框架材料,特别是金属-有机化合物 Zn(NH)(formate),能够通过利用其柔性结构内高旋磁比氢离子的圆周运动,产生比传统氧化物显著更大的光诱导磁场。
2608 篇论文
凝聚态物理与材料科学的交汇点,正以前所未有的速度重塑我们对物质世界的理解。从超导体到新型电池材料,这一领域致力于探索微观粒子的排列如何决定宏观世界的性能。Gist.Science 在此板块特别关注源自 arXiv 的最新预印本,它们代表了该领域最前沿的突破。
为了打破专业壁垒,我们团队会对 arXiv 上的每一份新论文进行深度处理,提供通俗易懂的通俗解读与详尽的技术摘要。无论您是寻求灵感的工程师,还是希望快速掌握动态的研究者,都能在这里找到清晰的路径。以下是该领域最新发布的论文精选,带您直击科学探索的最前线。
本研究利用从头算方法证明,框架材料,特别是金属-有机化合物 Zn(NH)(formate),能够通过利用其柔性结构内高旋磁比氢离子的圆周运动,产生比传统氧化物显著更大的光诱导磁场。
本文介绍了一种混合机器学习加速的固态渐进弹性带(SSNEB)框架,该框架将 EquiformerV2 和 eSEN 模型与密度泛函理论(DFT)相结合,在保持与第一性原理计算相当的准确度的同时,实现了在计算固体材料最小能量路径方面高达 7 倍的加速。
第一性原理计算表明,多铁性 V 掺杂 HfO 中的氧空位向 V 中心提供电子,将其还原为 V,并以一种与实验 XPS 数据一致的方式改变局部磁化强度和芯能级位移,同时表明需要额外的电子库才能充分解释在 ALD 生长条件下观察到的化合价比例。
本文介绍了一种定制设计的超高真空集群工具,该工具将原位金刚石表面制备与表征与低温单氮-空位中心测量相结合,旨在将表面化学与自旋及电荷特性直接关联,以用于量子传感应用。
本研究采用等变图神经网络机器学习势能(具体为 MACE 架构)来克服模拟熔融碳酸锂时的计算限制,揭示了锂的传输由协同运动主导,并经历了一个由温度驱动的从各向异性到各向同性扩散的转变,同时准确地重现了实验中的结构和黏度特性。
本文表明,在取向基底上进行物理气相沉积,可以在显著低于其澄清点和玻璃化转变温度的温度下,从盘状和棒状中间体中制备出双轴取向的有机玻璃,从而为有机半导体中的偏振发射和面内电荷迁移率提供新的结构控制手段。
这篇观点论文概述了将经典模拟、实验测量、机器学习和量子计算整合进可重复、标准化的工作流中之必要性,以克服当前的局限性并加速可靠地发现先进材料。
本文表明,在电极界面引入具有特定表面改性的金纳米颗粒,可作为一种通用的、非侵入式的控制参数,用以重塑发光电化学发光器件的电化学掺杂分布和发射区,从而通过构建性或破坏性光学干涉,在不改变活性材料化学性质的情况下实现器件效率的优化。
本文引入了一种预测性的第一性原理框架,该框架结合了多构型 TDDFT 与解析非绝热耦合,用以精确计算光学活性自旋缺陷中的内转换速率,并成功解决了钻石 NV 色心与 SiC 双空位与实验数据之间长期存在的差异。
本研究确立了 30 keV He 离子辐照 YBaCuO 薄膜的定量通量阈值和实际操作窗口,证明了通过产生弗伦克尔缺陷对(而非氧缺失)进行的受控缺陷工程,能够在特定的通量范围内,在保持结构完整性的同时,实现超导性能的精确抑制与纳米图案化。