물질 과학과 응집물질 물리학은 우리 주변의 고체와 액체가 어떻게 작동하는지를 탐구하는 분야입니다. 이 영역에서는 전기가 어떻게 흐르고, 자석은 왜 자성을 띠며, 새로운 재료가 어떤 특성을 가지는지 등 일상생활을 바꾸는 기초 원리를 연구합니다.

Gist.Science 는 이 분야의 최신 연구 성과를 arXiv 에서 실시간으로 수집하여 제공합니다. 우리는 arXiv 에 업로드되는 모든 새로운 논문들을 분석해, 전문 용어 없이 일반인도 이해할 수 있는 쉬운 설명과 동시에 연구자들이 필요로 하는 심층적인 기술적 요약을 함께 정리합니다.

아래에는 이 분야에서 최근 공개된 최신 연구 논문들이 나열되어 있습니다.

Spectroscopic Signatures of Structural Disorder and Electron-Phonon Interactions in Trigonal Selenium Thin Films for Solar Energy Harvesting

이 논문은 밀폐형 캡슐화 전략을 활용한 분광 분석을 통해 셀레늄 박막의 구조적 무질서와 전자 - 포논 상호작용이 광전 변환 효율을 제한하는 비방사적 재결합 중심의 형성에 미치는 영향을 규명하고, 합성 및 후처리 공정의 정밀한 제어를 통해 셀레늄 기반 태양전지 기술의 성능을 극대화할 수 있음을 제시합니다.

Rasmus S. Nielsen, Axel G. Medaille, Arnau Torrens, Oriol Segura-Blanch, Seán R. Kavanagh, David O. Scanlon, Aron Walsh, Edgardo Saucedo, Marcel Placidi, Mirjana Dimitrievska2026-04-14🔬 cond-mat.mtrl-sci

Tuning Nonradiative Recombination via Cation Substitution in Inorganic Antiperovskite Nitrides

본 논문은 무기 안티페로브스카이트 질화물 (X3NSb\mathrm{X_3NSb}) 에서 양이온 치환과 결정 대칭성이 비방사성 재결합 역학에 미치는 영향을 규명하여, 특히 육방정계 Sr3NSb\mathrm{Sr_3NSb}가 밴드 갭, 비단열 결합, 결맞음 시간의 최적 조화를 통해 가장 긴 캐리어 수명을 보여 고효율 광전소자 소재 개발에 중요한 통찰을 제공함을 보고합니다.

Sanchi Monga, Saswata Bhattacharya2026-04-14🔬 cond-mat.mtrl-sci

Growth driven phase transitions in Zinc Oxide nanoparticles through machine-learning assisted simulations

본 연구는 기계 학습 보조 시뮬레이션을 통해 아연 산화물 나노입자의 원자 단위 증착 과정에서 열역학적으로 안정한 체심 사방정계 (BCT) 상이 극성 면의 전하 보상 메커니즘을 통해 더 안정한 와우츠라이트 (WRZ) 상으로 상전이를 일으킨다는 것을 규명했습니다.

Quentin Gromoff, Magali Benoit, Jacek Goniakowski, Carlos R. Salazar, Julien Lam2026-04-14🔬 cond-mat.mes-hall

Symmetries of excitons

이 논문은 결정 대칭 연산 하에서 엑시톤 상태의 변환 특성을 분석하고, 불변량 표현 라벨 할당 및 총 결정 각운동량 개념을 도입하여 엑시톤의 대칭성과 선택 규칙을 체계적으로 규명함으로써 계산 효율성을 극대화하고 다양한 물질에서의 광학적 및 엑시톤 - 포논 상호작용을 설명하는 포괄적인 프레임워크를 제시합니다.

Muralidhar Nalabothula, Davide Sangalli, Fulvio Paleari, Sven Reichardt, Ludger Wirtz2026-04-14🔬 cond-mat.mes-hall

A critical assessment of bonding descriptors for predicting materials properties

이 논문은 약 13,000 개의 고체 물질로 확장된 양자 화학적 결합 데이터베이스를 활용하여 새로운 결합 기술자를 개발하고, 이를 기계 학습 모델에 통합함으로써 탄성, 진동 및 열역학적 특성 예측 정확도를 향상시키고 물성 예측을 위한 직관적인 수식을 도출할 수 있음을 입증했습니다.

Aakash Ashok Naik, Nidal Dhamrait, Katharina Ueltzen, Christina Ertural, Philipp Benner, Gian-Marco Rignanese, Janine George2026-04-14🔬 cond-mat.mtrl-sci