Neuste Artikel für Materialwissenschaft

Forscher haben die Steuerung von Moleküldrehungen bei Raumtemperatur für Quantentechnologien weiterentwickelt.

Untersuchen, wie der Drehwinkel die Spin-Bahn-Kopplung in Graphen und NbSe-Materialien beeinflusst.

Studie, wie Materialien ihre Phasen unter externen Magnetfeldern ändern.

Die Studie zu 2-OS zeigt sein Potenzial in fortschrittlichen Elektroniktechnologien.

Ferrofluide zeigen ein einzigartiges magnetisches Verhalten, das von der Partikelgrösse und den Umgebungsbedingungen beeinflusst wird.

Forschung zeigt einzigartige chirale magnetische Zustände im Strontiumruthenat-Material.

Einzelphotonen-Emitter sind echt wichtig für sichere Quantenkommunikationsnetzwerke.

Ein Blick auf Dimer-Modelle und ihre Anwendungen in verschiedenen wissenschaftlichen Bereichen.

Eine neue Lösungsmethode verbessert die Effizienz für die Cahn-Hilliard-Gleichung in der Materialwissenschaft.

Forscher verbessern M-Typ Ferrite, indem sie Kobalt und Lanthan einfügen, um die magnetischen Eigenschaften zu optimieren.

Die Analyse der Bewegung von Galliumatomen, um die Leistung von Galliumoxid in elektronischen Geräten zu verbessern.

Forscher präsentieren einzigartige LaSb-Dünnfilme, die bei höheren Temperaturen Supraleitung zeigen.

Diese Studie untersucht das einzigartige Verhalten von Janus-Kolloiden in Mischungen und deren Wechselwirkungen.

Ein neuer Ansatz, um nicht-Gleichgewichtsstrahlungsdiffusionsprobleme in Materialien anzugehen.

Forschung nutzt maschinelles Lernen, um schnell die Eigenschaften von organischen Salzkrystallen vorherzusagen.

Ein Überblick über die Kräfte, die bei der quantenmechanischen Reibung zwischen metallischen Oberflächen eine Rolle spielen.

Forschung zeigt vielversprechende Spin-Eigenschaften in Graphen-Schichten, die von SnTe-Interaktionen beeinflusst werden.

Neue Techniken ermöglichen präzise Kontrolle über winzige Partikel mit Licht.

Forschung zeigt neue Phasen in nicht-hermiteschen Kondo-Modellen, die durch Energieverlust getrieben werden.

DyFeO3 verbessert die Leistung von wässerigen Superkondensatoren und steigert die Energiespeicherfähigkeit.

Studie zeigt die Auswirkungen von NiO auf die magnetischen Eigenschaften von Permalloy.

Dieser Artikel untersucht, wie Tracer sich innerhalb von Polymermaterialien bewegen und welche Auswirkungen das hat.

Forschung zeigt einzigartige Verhaltensweisen von Neodym-Nanomagneten in winzigen Massstäben.

MKIDs verbessern die Energiedetektion in verschiedenen wissenschaftlichen Bereichen.

Forschung zeigt, wie die Temperatur die einzigartigen Eigenschaften von Ca3Ti2O7 beeinflusst.

Forscher untersuchen starke Kopplung, um neue Materialeigenschaften durch Lichtinteraktion zu entdecken.

Untersuchen neuer Methoden zur Erforschung von Licht-Materie-Interaktionen in verschiedenen Systemen.

Neue Methode verbessert die Genauigkeit molekularer Modelle durch automatisierte Parameteroptimierung.

Entdeck, wie mathematische Modelle Phasenübergänge in Materialien und biologischen Systemen erklären.

Innovative Techniken verbessern die Modellierung von molekularen Interaktionen und Dynamik.

Neue Methoden verbessern die Kontrolle über die Polarisation einzelner Photonen mithilfe von Nanopillars.

Untersuchen, wie quasiperiodische Strukturen supraleitende Materialien beeinflussen.

Neue Forschung zeigt, wie Unordnung das Klangverhalten in akustischen Kristallen beeinflusst.

Untersuchung der Wechselwirkungen und Kohärenz von riesigen Atomen in komplexen 2D-Umgebungen.

Eine Studie darüber, wie Kräfte die Bewegung von Flüssigkeiten und Glasübergängen beeinflussen.

Forscher untersuchen ungewöhnliche Eigenschaften von Kupferoxid-Materialien mit fortschrittlichen Methoden.

Ein Blick darauf, wie Quantenmechanik und klassische Physik bei grossen Objekten aufeinandertreffen.

Forschung zeigt, wie Licht das Verhalten von Molekülen und die magnetischen Eigenschaften in optischen Kavitäten beeinflusst.

Eine Studie zeigt neue Methoden zur Identifizierung von Materialfehlern mithilfe von Schallwellen.

SiNPhAR nutzt Silizium-Nitrid, um die photonische Beschleunigung bei Deep-Learning-Aufgaben zu verbessern.