材料科学と凝縮系物理学の境界領域は、私たちの日常を支える新しい物質の発見と設計を探求する分野です。ここで取り扱われる研究は、半導体から超伝導体まで、未来のエネルギーや電子機器の基盤となる材料の振る舞いを解明するものです。

Gist.Science は、arXiv に投稿されるこの分野の最新プレプリントをすべて収集し、専門用語に頼らない平易な解説と、詳細な技術的な要約の両方を提供しています。これにより、研究者だけでなく、一般の方でも最先端の知見にアクセスできるようになりました。

以下に、このカテゴリから厳選した最新の論文リストを掲載します。

Physics-informed neural network for predicting fatigue life of unirradiated and irradiated austenitic and ferritic/martensitic steels under reactor-relevant conditions

本研究は、中性子照射下および高温環境におけるオーステナイト系およびフェライト/マルテンサイト系鋼の低サイクル疲労寿命を、物理法則を損失関数に組み込んだ物理情報ニューラルネットワーク(PINN)を用いて高精度かつ解釈可能に予測する新しい枠組みを提案し、従来の機械学習手法を上回る性能と材料ごとの劣化特性の解明を実現したものである。

Dhiraj S Kori, Abhinav Chandraker, Syed Abdur Rahman, Punit Rathore, Ankur Chauhan2026-03-20🔬 cond-mat.mtrl-sci

DiffCrysGen: A Generative Diffusion Model for Accelerated Design of Inorganic Crystalline Materials

本論文は、原子種、原子位置、格子定数を個別に処理する既存手法の複雑さを解消し、単一のエンドツーエンド拡散プロセスによって無機結晶材料の設計を 2〜3 桁高速化するとともに、希土類を含まない高機能磁性材料の生成と DFT による安定性検証を通じてその有効性を示した「DiffCrysGen」という生成拡散モデルを提案するものである。

Sourav Mal, Nehad Ahmed, Junaid Jami, Subhankar Mishra, Prasenjit Sen2026-03-20🔬 cond-mat.mtrl-sci

Intrinsic nonlinear Hall effect beyond Bloch geometry

この論文は、不純物や相互作用を考慮した系において、従来のブロッホベクトルに基づく幾何学を超え、より一般的な多体基底状態の量子幾何学を用いて非線形ホール効果を記述する新たな理論的枠組みを提示し、これにより複雑な代数計算を簡素化しつつ既知の結果を自然に導出できることを示しています。

Raffaele Resta2026-03-20🔬 cond-mat.mtrl-sci

KAN-Enhanced Contrastive Learning Accelerating Crystal Structure Identification from XRD Patterns

本研究は、低角度と高角度の回折ピークをそれぞれ捉える二重の専門家設計とコルモゴロフ・アルノルドネットワークを活用した物理誘導型対比学習フレームワーク「XCCP」を提案し、粉末 X 線回折パターンからの結晶構造同定における精度、解釈性、およびスケーラビリティを大幅に向上させた。

Chenlei Xu, Tianhao Su, Jie Xiong, Yue Wu, Shuya Dong, Tian Jiang, Mengwei He, Shuai Chen, Tong-Yi Zhang2026-03-20🔬 cond-mat.mtrl-sci

Origin of Bright Quantum Emissions with High Debye-Waller factor in Silicon Nitride

ハイブリッド密度汎関数理論を用いた本研究により、窒化ケイ素中の負電荷 NSi_\text{Si}VN_\text{N} 欠陥(C1h_{1h} 配位および擬 Jahn-Teller 歪みを伴う構造)が、高いディバイ=ワラー因子を有する明るい量子発光の起源であることを明らかにし、窒化ケイ素量子フォトニクスの発展に道を開いた。

Shibu Meher, Manoj Dey, Abhishek Kumar Singh2026-03-20🔬 cond-mat.mtrl-sci

Multimodal Machine Learning for Soft High-k Elastomers under Data Scarcity

本論文は、過去 10 年間の実験データを統合してアクリレート系誘電エラストマーのデータセットを構築し、大規模な事前学習済みポリマー表現を活用したマルチモーダル学習フレームワークを提案することで、データ不足の状況下でも高誘電率かつ低ヤング率を持つソフトエラストマーの効率的な発見を可能にすることを示しています。

Brijesh FNU, Viet Thanh Duy Nguyen, Ashima Sharma, Md Harun Rashid Molla, Chengyi Xu, Truong-Son Hy2026-03-20🔬 cond-mat.mtrl-sci

Lightweight phase-field surrogate for modelling ductile-to-brittle transition through phenomenological elastoplastic coupling

本研究では、体心立方格子系における延性 - 脆性遷移を、温度依存性の phenomenological 機構を標準的な等温変位 - 損傷モデルに組み込むことで、計算コストの低いフェーズフィールド代理モデルとして捉え、FEniCSx による数値シミュレーションを通じて低温から常温までの遷移挙動を再現した。

P G Kubendran Amos2026-03-20🔬 cond-mat.mtrl-sci