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。

Versatile multi-q antiferromagnetic charge order in correlated vdW metals

该研究利用低温扫描隧道显微镜在范德华金属 CeTe3 中发现了由反铁磁性与电荷序竞争形成的多种电子态,揭示了其受磁场调控的复杂多体物理机制及远超弱耦合描述的强关联电子重构现象。

Y. Fujisawa, P. Wu, R. Okuma, B. R. M. Smith, D. Ueta, R. Kobayashi, N. Maekawa, T. Nakamura, C-H. Hsu, Chandan De, N. Tomoda, T. Higashihara, K. Morishita, T. Kato, Z. Y. Wang, Y. Okada2026-04-23🔬 cond-mat.mes-hall

Challenges in predicting positron annihilation lifetimes in lead halide perovskites: correlation functionals and polymorphism

该研究通过系统比较多种电子 - 正电子关联泛函(包括非局域的加权密度近似),揭示了在铅卤钙钛矿(如 MAPbI₃、CsPbI₃ 和 CsPbBr₃)中,关联泛函的选择对阳离子空位正电子湮灭寿命预测具有比传统材料更显著的影响,并深入探讨了多晶型、空位形成能分布及空腔尺寸与寿命之间的关联,从而为重新审视实验数据的解释提供了理论依据。

Kajal Madaan, Guido Roma, Jasurbek Gulomov, Pascal Pochet, Catherine Corbel, Ilja Makkonen2026-04-23🔬 cond-mat.mtrl-sci

Accelerating the Design of Resorbable Magnesium Alloys: A Machine Learning Approach to Property Prediction

该研究利用包含 410 个样本的数据集训练机器学习模型(特别是 CatBoost),成功建立了可预测生物可吸收镁合金力学性能的框架,揭示了热机械加工工艺及 Zn、Mn、Gd 等合金元素的关键影响,并生成了成分 - 性能图谱以加速新型合金的靶向设计。

Vickey Nandal, Vít Beneš, Pavel Baláž, Jiří Ryjáček, Karel Tesař2026-04-23🔬 cond-mat.mtrl-sci

Resonance-enhanced super-superexchange yields giant chiral magnon splitting in rutile altermagnets

该研究通过第一性原理计算与线性自旋波理论相结合,发现金红石结构 CuF2_2中 Cu 与 F 轨道间的共振效应显著增强了长程超 - 超交换作用,从而在净磁矩为零的体系中实现了巨手性磁子能级劈裂,为验证金红石型交替磁体及设计绝缘交替磁体提供了理想平台。

Dai Q. Ho, D. Quang To, Byungkyun Kang, Matthew F. Doty, Garnett W. Bryant, Anderson Janotti2026-04-23🔬 cond-mat.mtrl-sci

Crystal structure prediction with nuclear quantum and finite-temperature effects via deep free energy learning

该研究提出了一种基于深度自由能学习的晶体结构预测框架,通过构建深度神经网络势函数高效计算包含核量子效应和有限温度效应的自由能面,从而在大幅降低计算成本的同时实现了对 La-Sc-H 体系等复杂高压氢化物的高通量准确预测。

Xiaoyang Wang, Yinan Wang, Wenbo Zhao, Hanyu Liu, Hao Xie, Lei Wang, Han Wang2026-04-23🔬 cond-mat.mtrl-sci