凝聚态物理中的介观尺度领域,正探索着微观量子世界与宏观经典物理之间迷人的交界地带。在这里,电子的行为既不完全遵循单个原子的规律,也不完全服从大块材料的特性,而是展现出独特的集体行为,为未来量子计算和新型电子器件奠定了基石。

Gist.Science 致力于让前沿研究触手可及,我们实时追踪并处理来自 arXiv 的所有“介观与霍尔效应”预印本。针对每一篇新论文,我们不仅提供深度的技术解读,更精心撰写通俗易懂的摘要,帮助不同背景的读者快速把握核心发现。

以下是该领域最新发布的预印文及其深度解析,邀请您一同探索这一充满活力的科学前沿。

Ultralow thermal conductivity via weak interactions in PbSe/PbTe monolayer heterostructure for thermoelectric design

本研究通过第一性原理计算与机器学习等方法,揭示了 PbSe/PbTe 单层异质结因弱相互作用诱导的强非谐性及光学声子主导的传热机制而具有超低晶格热导率,并在 800 K 时实现了沿 y 方向高达 5.3 的优异热电优值(ZT),为设计高性能二维热电材料提供了新策略。

Ruihao Tan, Kaiwang Zhang, Yue-Wen Fang2026-02-27🔬 cond-mat.mes-hall

Building 3D superconductor-based Josephson junctions using a via transfer approach

该研究提出了一种基于通孔转移的无光刻接触方法,成功构建了 NbN/Pd 与石墨烯之间的高质量三维约瑟夫森结,实现了低接触电阻及可门控的超导特性,为在空气敏感材料上工程化新型超导异质结提供了有效途径。

Cequn Li, Le Yi, Kalana D. Halanayake, Jessica L. Thompson, Yingdong Guan, Kenji Watanabe, Takashi Taniguchi, Zhiqiang Mao, Danielle Reifsnyder Hickey, Morteza Kayyalha, Jun Zhu2026-02-27🔬 cond-mat.mes-hall

Coupling-energy driven pumping through quantum dots: the role of coherences

该论文研究了在最低阶隧穿过程被抑制的情况下,耦合能量调制(包括开关耦合与测量占据数两种机制)如何通过非共振隧穿和相干性驱动量子点中的电子泵浦,并推导了无库仑相互作用下任意强耦合的精确解,从而确定了最优泵浦电流和能量效率的参数区间。

Lukas Litzba, Gernot Schaller, Jürgen König, Nikodem Szpak2026-02-27🔬 cond-mat.mes-hall

Electromechanical Switching and Momentum-Selective Transport in Geometry-Defined Blue Phosphorus Homojunctions

该研究通过第一性原理计算发现,利用局部气泡形变可在双层蓝磷中构建无化学掺杂的几何定义金属 - 半导体 - 金属同质结,其通过调控层间距实现能带打开与输运模式切换,展现出动量选择性与各向异性输运特性,并据此提出了高开关比机械存储器及纳米滑动变阻器等新型机电器件概念。

Zewen Wu, Min Zhou, Yanxia Xing, Xianghua Kong2026-02-27🔬 physics.app-ph

Imaging topological polar structures in marginally twisted 2D semiconductors

该研究利用角分辨高分辨矢量压电响应力显微镜,在轻微扭转的二硒化钨双层中首次实验证实了拓扑非平庸的半斯格明子(meron/反半斯格明子)结构的存在,并通过区分布洛赫型和尼尔型磁畴壁,成功解析了扭转与异质应变对二维半导体中拓扑极化结构形成的不同贡献。

Thi-Hai-Yen Vu, Daniel Bennett, Gayani Nadeera Pallewella, Johnathon Maniatis, Josh Edwards, Md Hemayet Uddin, Kaijian Xing, Pablo Resendiz-Vazquez, Seng Huat Lee, Zhiqiang Mao, Jack B. Muir, Linnan J (…)2026-02-26🔬 cond-mat.mes-hall

Quantum feedback control with a transformer neural network architecture

本文展示了基于 Transformer 架构的神经网络在量子反馈控制中的有效性,通过监督学习和强化学习方法,实现了在测量低效、哈密顿量扰动及非马尔可夫系统等复杂条件下对量子态的高保真稳定控制与多体系统能量最小化,从而克服了传统循环神经网络等方法的局限性。

Pranav Vaidhyanathan, Florian Marquardt, Mark T. Mitchison, Natalia Ares2026-02-26🔬 cond-mat.mes-hall