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.

🔬 applied physics

Data analysis methods for powder x-ray diffraction intensity under laser-driven dynamic compression at Omega and NIF laser facilities

이 논문은 Omega 및 NIF 시설에서의 레이저 구동 동적 압축 하에서 다이아몬드와 같은 재료를 1 TPa 근처에서 정확하게 특성화하기 위해, 인시튜(in-situ) 참조를 활용하고 열적 감쇠를 고려하여 분말 X선 회절 강도 측정의 충실도를 향상시키는 고급 데이터 분석 방법을 제시한다.

Marius Millot, Federica Coppari, Amy Lazicki, Jon H. Eggert2026-06-23
🔬 materials science

Overcoming Labelled Data Scarcity for Defect Classification in Scanning Tunneling Microscopy

본 논문은 레이블링된 데이터의 부족을 극복하기 위해 퓨샷(few-shot) 학습과 비지도 학습을 결합하여, 최소한의 수동 주석만으로도 다양한 표면에서 높은 정확도의 결함 분류를 가능하게 하는 자동화되고 유연한 주사 터널링 현미경(STM) 이미지 분할 접근 방식을 제안한다.

Nikola L. Kolev, Max Trouton, Filippo Federici Canova, Geoff Thornton, David Z. Gao, Neil J. Curson, Taylor J. Z. Stock2026-06-19
🔬 materials science

Evaluating Universal Machine Learning Force Fields Against Experimental Measurements

이 논문은 실험적 참조 데이터를 포함한 1,500개 이상의 광물 시스템으로 구성된 MinX 데이터셋을 특징으로 하는 포괄적인 평가 프레임워크인 UniFFBench를 소개하며, 이를 통해 최첨단 범용 머신러닝 힘의 장(force fields)들이 강력한 계산 벤치마크 성능에도 불구하고 실제 실험 조건에 대해 테스트되었을 때 실질적인 응용에 필요한 정확도를 달達하지 못하는 상당한 "현실 격차(reality gap)"를 드러낸다.

Sajid Mannan, Vaibhav Bihani, Carmelo Gonzales, Kin Long Kelvin Lee, Nitya Nand Gosvami, Sayan Ranu, Santiago Miret, N M (…)2026-06-19
🔬 materials science

Real-space first-principles approach to orbitronic phenomena in metallic multilayers

본 논문은 RS-LMTO-ASA 및 체비쇼프 다항식 전개를 기반으로 한 확장 가능한 실공간 제일원리 방법을 제시하여 복잡한 금속 다층 구조에서의 궤도 및 스핀 수송 현상을 시뮬레이션하며, 중심 대칭 시스템에서의 상당한 궤도 축적을 성공적으로 입증하는 동시에 무질서와 계면 효과를 자연스럽게 고려한다.

Ramon Cardias, Hugo U. R. Strand, Anders Bergman, A. B. Klautau, Tatiana G. Rappoport2026-06-19
🔬 mesoscale physics

On-surface dehydrogenative lateral homo-coupling and aromatization of n-octane on Pt(111)

이 연구는 주사 터널링 현미경과 제일 원리 계산을 결합하여, Pt(111) 표면이 600 K 이상의 온도에서 분자 내 고리화 반응을 통한 벤젠 고리로의 전환과 지퍼와 같은 분자 간 호모 커플링 메커니즘을 통한 다환 종으로의 전환을 촉매한다는 것을 밝혀냈다.

D. Arribas, E. Tosi, V. Villalobos-Vilda, B. Cirera, I. Palacio, A. Sáez-Coronado, P. Lacovig, A. Baraldi, L. Bignardi (…)2026-06-19
🔬 materials science

A complete phase-field fracture model for brittle materials subjected to thermal shocks

본 논문은 벌크 특성, 강도 및 인성을 독립적으로 지정함으로써 기존의 방식들이 한계를 보이는 다양한 실험 사례들에 걸쳐 균열 전파에서부터 핵 생성 및 분기까지 다양한 파괴 시나리오의 예측을 성공적으로 통합하는, 열충격 하의 취성 재료에 대한 포괄적인 위상장 파괴 모델을 제시한다.

Bo Zeng, John E. Dolbow2026-06-19
🔬 materials science

Large Photoelasticity in Topological Antiferromagnet Mn3_3Sn Studied by Coherent Acoustic Phonon

본 연구는 위상 반강자성체 Mn3_3Sn이 결맞는 음향 포논에 의해 구동되는 이례적으로 큰 근적외선 광탄성 효과를 나타냄을 입증하며, 이는 격자 왜곡에 대한 이 물질의 탁월한 민감성을 드러내고 초고속 스트레인트로닉스 응용을 위한 토대를 구축한다.

Yuchen Wang, Takuya Matsuda, Yuta Murotani, Hanyi Peng, Takumi Matsuo, Tomoya Higo, Satoru Nakatsuji, Ryusuke Matsunaga2026-06-19
💻 computer science

Equivariant Graph Neural Networks Improve Optical Spectra Prediction for Materials Screening

이 논문은 변형된 GotenNet을 포함한 등변 그래프 신경망이 기하학적 표현력과 고충실도 RPA 수준의 훈련 데이터를 활용함으로써, 재료 스크리닝을 위한 광학 스펙트럼 및 정적 실유전율 예측에 있어 기존의 최첨단 모델들을 유의미하게 능가한다는 것을 입증한다.

Kasper Helverskov Petersen, François R J Cornet, Martin Ovesen, Mikkel Jordahn, Kristian S. Thygesen, Mikkel N. Schmidt2026-06-19