Sliding Ferroelectricity Driven Spin-Layertronics in Altermagnetic Multilayers
该研究通过第一性原理计算提出，利用双层 CuF₂中的滑动铁电性可实现非易失性电调控，通过层间平移切换垂直极化来反转层锁定的 d 波交替磁自旋劈裂，从而在单层平台上实现自旋 - 层极化耦合的多功能自旋层电子学器件。
🔬 Category
cond-mat.mtrl-sci
518 篇论文
An Atlas of Extreme Properties in Cubic Symmetric Metamaterials
该研究通过构建涵盖所有 36 种立方空间群的 195 万个周期性单胞数据库，结合三维卷积神经网络代理模型，系统揭示了立方对称超材料的极端力学性能图谱，并实现了具有超高体积 - 剪切比、负泊松比及接近 Hashin-Shtrikman 上限刚度等特性的快速发现与设计。
Nuclear Quantum Effects in Multi-Step Condensed Matter Chemistry: A Path Integral Molecular Dynamics Study of Thermal Decomposition
该研究通过路径积分分子动力学（PIMD）模拟揭示了核量子效应对 TATB 晶体热分解的关键作用，发现其能加速涉及氢转移的初始反应步骤并降低约 8% 的活化能，同时指出量子热浴（QTB）方法在此类多步凝聚态反应中显著高估了量子加速效应。
Importance of nonlinear long-range electron-phonon interaction on the carrier mobility of anharmonic halide perovskites
该研究通过第一性原理计算表明，在无机钙钛矿 CsPbI₃ 中，非线性电子 - 声子相互作用显著改变了载流子迁移率的温度依赖关系，并在室温下贡献了约 10% 的迁移率，从而强调了在强非谐性卤化物钙钛矿中考虑非线性相互作用的必要性。
Ab-initio superfluid weight and superconducting penetration depth
该论文提出了一种基于密度泛函理论的高效计算框架，用于从能带结构中分别评估超导体的常规与几何超流体权重，并通过验证多种常规超导体的伦敦穿透深度，为大规模筛选超导候选材料及其量子几何效应研究奠定了基础。
Microscopic screening theory for excitons in two-dimensional materials: A bridge between effective models and ab initio descriptions
本文提出了一种基于点状轨道的原子级计算方法，通过显式计算随机相位近似下的二维介电函数来引入量子屏蔽效应，从而在保持较低计算成本的同时，实现了比传统有效模型更精确的二维材料激子结合能预测，并揭示了文献中第一性原理计算结果存在较大离散性的潜在原因。
Island Sliding Barriers: A first-principles metric for determining remote epitaxy viability
该研究通过第一性原理计算发现，先前基于静电势的指标不足以解释远程外延现象，而小岛在石墨烯表面优化后的滑动势垒才是判断衬底 - 薄膜对是否具备远程外延活性的最严格判据，表明该现象与岛迁移的动力学特性密切相关。
Commensurate-Incommensurate Transition in Submonolayer He on Graphite
该研究通过高精度热容测量揭示了石墨上亚单层He 在低温下存在两种条纹畴壁相（和），并证实相通过二阶相变熔化为具有量子向列态特征的相，从而统一了热力学与核磁共振数据。
Dzyaloshinskii-Moriya-driven instabilities in square-kagome quantum antiferromagnets
该研究结合第一性原理计算与广义施温格玻色子平均场理论，揭示了在 NaCuBiO(PO)Cl 中，尽管 Cu(3) 位点与方克格姆骨架间的交换作用稳定了量子顺磁态，但对称性允许的 Dzyaloshinskii-Moriya 相互作用会显著压低自旋子能隙并驱动系统趋向磁有序，从而将该材料置于磁不稳定的临界边缘。
Neural Field Thermal Tomography: A Differentiable Physics Framework for Non-Destructive Evaluation
本文提出了名为 NeFTY 的可微分物理框架，通过将三维扩散率场参数化为连续神经场并结合严格的数值求解器，实现了从瞬态表面温度测量中对材料属性及亚表面缺陷的高精度定量三维重建。
Bidirectional Learning of Relationships between Atomic Environments and Electronic Band Dispersion in Semiconductor Heterostructures
该论文提出了一种将原子局部环境与电子能带色散相互关联的双向学习框架，利用原子级分辨的谱函数作为信息载体，实现了对半导体异质结中电子能带的预测、从能带图像反推原子环境描述符以及自洽验证，从而为解析复杂半导体异质结的光谱数据提供了物理启发的数据驱动途径。
Learning the action for long-time-step simulations of molecular dynamics
该论文提出了一种基于数据驱动的结构保持（辛且时间可逆）映射来学习机械作用量的方法，从而在分子动力学模拟中实现大时间步长积分，有效消除了非结构保持机器学习预测器导致的能量不守恒等病理行为，并具备在不同热力学条件和化学组分间迁移的能力。
Spectral/Spatial Tensor Atomic Cluster Expansion with Universal Embeddings in Cartesian Space
本文提出了张量原子团簇展开（TACE）方法，通过在笛卡尔空间中利用不可约笛卡尔张量分解局部环境，统一了标量与张量建模，实现了无需克莱布希 - 高登系数的频域与空域高效计算，并展示了其在分子、材料、光谱、外场响应及多保真度训练等广泛场景中的高精度、稳定性与通用性。
Oxygen-vacancy-induced Raman softening in the catalyst Fe(MoO)
该研究通过密度泛函理论计算揭示了氧空位诱导的氧主导振动模式是导致催化剂 Fe(MoO) 在催化过程中 Raman 强度显著降低的微观机制，并指出氧空位引起的快速体相氧扩散至表面使得局部对称性基本保持不变，从而解释了实验中未观察到峰位移动或展宽的现象。
Mode selectivity in electron promoted vibrational relaxation of chemisorbed hydrogen on molybdenum and tungsten surfaces
该研究通过一阶含时微扰理论计算了钼和钼表面吸附氢的振动线宽，发现电子 - 声子耦合主导的 Fano 线型模式与实验吻合良好，而洛伦兹线型模式的实验线宽更大，且计算表明线宽随覆盖度增加而显著减小，揭示了在高覆盖度下吸附质间相互作用对非绝热能量耗散的重要性。
Spin-wave emission with current-controlled frequency by a PMA-based spin-Hall oscillator
该研究利用具有垂直磁各向异性的低阻尼 Ga:YIG 材料构建了自旋霍尔振荡器，通过正非线性频移实现电流控制的自旋波发射频率，并观测到多模竞争及超过 10 微米的传播距离，为基于传播自旋波互联的神经形态计算提供了极具潜力的平台。
Many-electron systems with fractional electron number and spin: exact properties above and below the equilibrium total spin value
本文通过理论推导与数值验证，系统研究了具有分数电子数和自旋的有限多电子系统在零温下的系综基态性质，揭示了低自旋情形下的基态歧义性及其熵最大化消除方案，确立了高自旋情形的普适性质，并推广了电离势定理、导出了新的导数不连续性，为密度泛函理论等方法的改进提供了精确条件。
Mellin-Space Prony Representability of Linear Viscoelastic Models
该论文通过建立复模量梅林变换中伽马因子算术极点格与试核格精确对齐且留数满足解耦一阶递推关系的充要条件，构建了粘弹性模型在有限普朗级数表示与无限普朗梯级表示之间的完整解析极点格分类体系。
Synergistic cross-modal learning for experimental NMR-based structure elucidation
本文提出了名为 NMRPeak 的统一跨模态学习系统，通过整合实验与模拟数据、引入化学感知自适应分词器及无分配峰感知相似度指标，成功弥合了模拟与实验数据的分布差异，在谱图预测、分子检索及立体化学感知的新结构生成任务中实现了突破性性能，为自动化分子结构解析奠定了基础。
MolCrystalFlow: Molecular Crystal Structure Prediction via Flow Matching
本文提出了 MolCrystalFlow，这是一种基于流匹配的生成模型，通过将分子视为刚体并在黎曼流形上联合学习晶格、取向和质心位置，成功解决了分子晶体结构预测中分子内复杂性与分子间堆积的解耦难题，为数据驱动的分子晶体发现开辟了新途径。