Alterations in Conformations of Poly(3-hexylthiophene) on Au(111) Induced by Annealing
本文通过高真空电喷雾沉积与扫描隧道显微镜技术，研究了退火过程如何通过热能与 Au(111) 表面周期性势能景观的相互作用，调控单个聚(3-hexylthiophene) (P3HT) 分子链的构象变化。
🔬 Category
cond-mat.mtrl-sci
2752 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。
Pressure-Temperature Phase Diagram and -Transition in Liquid Sulfur
本文利用机器学习原子间势驱动的分子动力学模拟，从微观角度揭示了硫在不同压力下的 转变（温度诱导聚合）机制，并构建了包含聚合线与熔化线在临界点合并的压力-温度相图。
Mechanical Scaling Laws and Deformation Behavior of Nanoporous Tantalum Microparticles
这项研究通过对液态金属脱合金法制备的纳米多孔钽（np-Ta）进行纳米压痕测试与分子动力学模拟，发现其弹性模量和硬度遵循 Gibson-Ashby 预测模型，并指出通过调节脱合金溶剂化学性质可以有效调控纳米多孔金属的骨架连接性及其力学响应。
Accurate predictive model of band gap with selected important features based on explainable machine learning
该研究利用可解释机器学习技术（如排列特征重要性和 SHAP 值）从支持向量回归模型中筛选出关键特征，成功构建了仅含五个特征的高精度带隙预测模型，在保持域内预测精度的同时显著提升了泛化能力并降低了计算成本。
Reevaluating the electrical impact of atomic carbon impurities in MoS2
该研究通过计算发现，MoS2 中热力学稳定的碳缺陷均具有深能级电荷跃迁并充当载流子陷阱，而非近期所声称的电学掺杂源，并提供了相应的电子与振动数据以辅助光谱学鉴定。
Extending flow birefringence analysis to combined extensional-shear flows via Jeffery-Hamel flow measurements
该研究利用杰弗里 - 哈梅尔（Jeffery-Hamel）流动形式和高速偏振相机测量纤维素纳米晶体悬浮液的流双折射，证实了在复合拉伸 - 剪切流中，双折射幅度遵循剪切与拉伸贡献的均方根（RSS）叠加规律，从而为将应力 - 双折射分析扩展至多种变形模式共存的流动提供了理论依据。
Predicting Scale-Up of Metal-Organic Framework Syntheses with Large Language Models
该论文介绍了通过文献挖掘构建 ESU-MOF 数据集并结合正 - 未标记学习策略微调大语言模型，从而以 91.4% 的准确率预测金属有机框架（MOF）合成可扩展性，为工业级 MOF 发现提供快速数据驱动筛选的新方法。
Element-deletion-enhanced digital image correlation for automated crack detection and tracking in lattice materials
本文提出了一种针对晶格材料的元素删除增强型全局数字图像相关方法，通过直接在晶格网格上求解相关问题并自动剔除受损单元，实现了对离散架构中裂纹萌生与扩展路径的鲁棒追踪及物理一致的位移场测量。
Giant spontaneous Kerr effect reveals the defect origin of macroscopic time-reversal symmetry breaking in altermagnetic MnTe
该研究通过对比单晶与薄膜的克尔效应，揭示了α-MnTe 中宏观时间反演对称性破缺信号源于载流子自掺杂而非理想反铁磁序，并确立了其在光通信波段的实用读出潜力。
Accelerating point defect simulations using data-driven and machine learning approaches
本文综述了过去十年利用数据驱动和机器学习方法加速固体材料点缺陷模拟的研究进展，重点介绍了基于描述符的模型、代理模型及机器学习势函数在氧化物缺陷性质预测中的应用，并展望了将这些计算结果与实验数据结合的未来方向。