Transferable 3D Convolutional Neural Networks for Elastic Constants Prediction in Nanoporous Metals
本研究证明,可迁移的三维卷积神经网络(特别是 DenseNet-201 架构)在预测纳米多孔金属弹性常数方面显著优于传统的基于描述符的模型,实现了高精度(),并通过迁移学习和大规模随机评估使得帕累托最优设计的识别成为可能。
2692 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。
本研究证明,可迁移的三维卷积神经网络(特别是 DenseNet-201 架构)在预测纳米多孔金属弹性常数方面显著优于传统的基于描述符的模型,实现了高精度(),并通过迁移学习和大规模随机评估使得帕累托最优设计的识别成为可能。
本文提出了一种有限位移算法,将 Hubbard 修正整合到强关联材料的电子 - 声子计算中,结果表明,这些修正通过改变费米面拓扑结构,显著影响了 LaNiO 和 RuO 中的声子稳定性与电子 - 声子耦合,从而解决了理论预测与实验观测之间的差异。
本文提出了一种芯片级平面腔平台,该平台利用优化的附着式分裂环谐振器并与多种钇铁石榴石几何构型集成,以实现强磁子 - 光子耦合,从而证明几何设计而非磁体体积是调控混合量子器件中相互作用强度的关键参数。
本文建立了一个基于能量守恒的普适上限,用于约束双各向同性纳米粒子的磁电耦合,该上限无论粒子的材料属性、尺寸或照明条件如何,均同等适用于互易手性粒子与非互易特莱根粒子。
本研究证实了手性碲晶体中存在无自旋轨道角动量,其中原子间跃迁产生了无自旋极化的孤立 s 轨道能带,为自旋电子学中的纯轨道电流提供了新途径。
利用实时低能电子显微镜/低能电子衍射技术,本研究发现赤铁矿α-Fe₂O₃(0001)表面从还原态的类Fe₃O₄(111)层恢复的过程受二维蜂窝状相的成核与横向生长所支配,而在临界氧分压阈值以下,氧供应成为氧化动力学的限制因素。
本研究利用剪切模式拉曼成像和二次谐波产生技术揭示,多层3-MoS中的铁电翻转是一个由钉扎点和剥离产生的边界所调控的非均匀、畴壁介导过程,这些边界促进了部分堆叠转变和独特的手性取向。
本文提出了一种基于散射型扫描近场光学显微镜的新型分析方法,以克服以往定量分析的局限性,成功绘制了 SiC/2D-Ag/EG 光子纳米结构中极化激元的局域传播常数,并展示了单层银原子在垂直(约/50)和横向(约/40)方向上实现的超强局域化效应。
利用有效哈密顿量分子动力学模拟,本研究表明皮秒级电场脉冲可局部重构锆取代钛酸钡纳米畴的内部分数极化拓扑,从而形成由独特拓扑指纹定义的 64 个不同的稳定亚稳态。
本文引入了一种基于量子玻尔兹曼方程的从头算参数化微观框架,以揭示激光激发的体心立方铁薄膜中的超扩散输运机制和巨大的超快自旋塞贝克效应,从而克服了传统扩散模型在描述非热磁振子动力学方面的局限性。