🔬 materials science
Isolation of spin-valley locked nodal-line fermions in -wave altermagnets
本文将 系列 波交错磁体识别为一种实现受镜像对称性保护的鲁棒、自旋-谷锁定节点线费米子的通用平台，并为通过层工程和电子关联来隔离这些拓扑态提供了一种通用的设计原则。
🔬 Category
cond-mat.mtrl-sci
3284 篇论文
凝聚态物理与材料科学的交汇点，正以前所未有的速度重塑我们对物质世界的理解。从超导体到新型电池材料，这一领域致力于探索微观粒子的排列如何决定宏观世界的性能。Gist.Science 在此板块特别关注源自 arXiv 的最新预印本，它们代表了该领域最前沿的突破。
为了打破专业壁垒，我们团队会对 arXiv 上的每一份新论文进行深度处理，提供通俗易懂的通俗解读与详尽的技术摘要。无论您是寻求灵感的工程师，还是希望快速掌握动态的研究者，都能在这里找到清晰的路径。以下是该领域最新发布的论文精选，带您直击科学探索的最前线。
🔬 materials science
Thermodynamics-Informed Machine Learning for Energy Materials Discovery
这一观点认为，能源材料发现的下一个前沿在于开发受热力学启发的机器学习模型，这些模型要超越静态的零温能量预测，转而捕捉熵和非谐性在实际运行条件下支配材料行为的关键作用。
🔬 mesoscale physics
Giant Bulk-Rashba Splitting in Polar Topological Insulator BiSbTeS
第一性原理计算表明，有序 BiSbTeSe 通过打破反演对称性展现出巨大的体能带 Rashba 自旋分裂以及稳健的拓扑表面态，使其成为研究共存的体能带与表面自旋-电荷输运现象的独特平台。
🔬 materials science
Physics-informed Machine Learning Prediction of Hubbard Interaction Parameters
本研究提出了物理信息机器学习模型，能够准确预测过渡金属氧化物的 cRPA 导出哈伯德相互作用参数（、 和 ），既提供了高通量筛选能力，又为控制这些相互作用的电子和结构因素提供了新的物理见解。
🔬 materials science
PUDA: An AI-Native Hardware Harness for Self-Driving Laboratories
PUDA 推出了用于自动驾驶实验室的无头、AI 原生硬件束缚器，该设备以确定性的命令行运行时取代了传统的图形界面，使自主智能体能够在执行实验的同时，通过结构化且关联的记录确保完整的数来源追溯性与可审计性。
🔬 materials science
Nanoscale Imaging of Strain-Controlled Altermagnetic Domains in {\alpha}-MnTe
本研究利用扫描氮空位磁力显微技术揭示了机械应变通过压缩过程中的畴合并与卸载后的亚稳态碎裂这一滞后过程，控制着块体 -MnTe 中的交错磁畴，从而为应变可编程自旋电子器件建立了一条路径。
🔬 materials science
Quantum Geometry-Driven RKKY: From Flat to Dispersive Bands
本文表明，在平带系统中，RKKY交换相互作用受虚拟带间跃迁支配，其指数衰减长度由能隙和量子几何共同决定，而色散的恢复可以诱导几何选择效应，从而将衰减尾部从 改变为 。
🔬 materials science
Transient Detour and Cooperative Oxygen Exchange in the Polarization Switching of Ferroelectric Hf0.5Zr0.5O2
通过基于机器学习力场的分子动力学模拟，本研究揭示了铁电 Hf0.5Zr0.5O2 中的极化翻转是由 3 配位和 4 配位氧原子之间一种独特的“绕道”路径及内部自补偿机制所驱动的协同、瞬态交换过程，而非由传统的简单位移模型所驱动。
🔬 materials science
Crystal forming ability of amorphous refractory metals under nanoindentation: a molecular dynamics study
这项分子动力学研究揭示了非晶态难熔金属（V、Nb、Mo、Ta、W）在纳米压痕过程中会经历剪切驱动的体相成核与生长，从而转化为体心立方（bcc）晶体，且其结晶能力从 V 到 W 逐渐降低，并与压痕速度呈反比关系，这表明转化速率是由内聚键强度而非热力学驱动力所控制。
🔬 materials science
Structure-Property Correlation of Cr/Cu-MnFeCoNi High-Entropy Alloys for Alkaline Water Electrolysis
本研究表明，通过在 MnFeCoNi 基高熵合金中以 Cu 取代 Cr，通过调节电子结构以实现有利的中间体结合，并在析氧反应过程中诱导动态的富 Cu 表面重构，从而显著增强了其双功能碱性电解水性能。