Articoli più recenti per Scienza dei materiali

MatSci ML standardizza i dataset per un modellamento dei materiali più efficiente usando tecniche di machine learning.

Esplorando le proprietà uniche e il potenziale del grafene a doppio strato attorcigliato a angolo magico.

Le soluzioni di Breather rivelano comportamenti complessi nei sistemi non lineari attraverso modelli oscillanti unici.

Indagando sul ruolo della multifrattalità nel comportamento delle particelle quantistiche e nelle applicazioni.

La ricerca svela proprietà entusiasmanti della fase wurtzite del MnSe.

Ricercando come il disordine influisce sul comportamento degli elettroni e sugli stati localizzati.

La ricerca dimostra che il machine learning può prevedere i confini di fase non Hermitiani usando dati Hermitiani.

I materiali 2D mostrano proprietà uniche con tante applicazioni nell'elettronica e nel calcolo quantistico.

La ricerca svela comportamenti magnetici complessi nei monopnictidi delle terre rare.

Nuova tecnologia migliora lo studio dei campi magnetici nella scienza.

Questa ricerca esamina gli arrangiamenti degli ioni nel doppio strato elettrico vicino alle superfici cariche.

Esaminare interazioni complesse tra luce e materia in scenari di forte accoppiamento.

Un nuovo metodo migliora l'efficienza nella progettazione di farmaci e materiali.

Il machine learning migliora le previsioni dei difetti nei semiconduttori per una resa dei materiali migliore.

Uno studio sul comportamento degli elettroni in interferometri Aharonov-Bohm a più percorsi realizzati in grafene.

Questo studio migliora i metodi di progettazione degli estrattori per una maggiore efficienza nel recupero dei metalli.

Un nuovo modello semplifica le simulazioni degli ossidi di perovskite per la scienza dei materiali.

La ricerca svela materiali promettenti per soluzioni di energia solare più sicure ed efficienti.

Nuovi set di basi migliorano i calcoli per gli elementi pesanti, potenziando le previsioni delle proprietà dei materiali.

Esplorando il potenziale dei perovskiti a doppio alogenuro nei pannelli solari e negli LED.

Esplorare le implicazioni dei potenziali esponenziali nei sistemi quantistici.

Esaminando grafi intrecciati e tessiture si scoprono il loro design e la stabilità.

Un nuovo metodo migliora la previsione delle forme molecolari usando il machine learning.

Uno studio sulla durezza e l'elasticità dei compositi Cu-Cr usando nanoindentazione.

La ricerca mette in evidenza l'uso delle MPNN per classificare i materiali e prevedere le proprietà.

La generazione di dati sintetici migliora il machine learning per l'analisi dei materiali a livello atomico.

Un nuovo metodo cambia il modo in cui studiamo le superfici in evoluzione.

Questo articolo tratta i principali aspetti della fisica dei laser e delle sue varie applicazioni.

Uno studio rivela come le interazioni con le cavità influenzano gli stati di Majorana nei superconduttori topologici.

La ricerca rivela come strati attorcigliati alterano le proprietà elettroniche e permettono effetti quantistici frazionali.

Uno sguardo all'effetto Hall non lineare e alle sue implicazioni per la scienza dei materiali.

La ricerca sul bismutene mostra come le impurità magnetiche influenzino le proprietà elettriche.

Esaminare la generazione di armoniche elevate per rivelare i comportamenti dei materiali e le applicazioni.

MatSciRE semplifica l'estrazione dei dati dagli articoli di scienza dei materiali per aiutare la ricerca sulle batterie.

Uno sguardo alle proprietà uniche e alle applicazioni dei superconduttori nella tecnologia.

Questo articolo si concentra sul raggiungimento della null-controllabilità in problemi matematici specifici.

Questo articolo esplora metodi per studiare cristalli misti e le loro applicazioni.

Nuovo scintillatore in plastica fatto di stirene mostra potenziale per la rilevazione delle radiazioni.

La ricerca svela come la tensione influisca sulle proprietà elettroniche nei materiali 2D come il WSe2.

La ricerca rivela interazioni complesse nella struttura e nel comportamento magnetico del MgV O.