Machine-Learning-Guided Insights into Solid-Electrolyte Interphase Conductivity: Are Amorphous Lithium Fluorophosphates the Key?
本研究利用机器学习和基于扩散结构的预测方法，揭示了作为关键固体电解质界面组分的非晶态二氟磷酸锂（）由于结构无序和丰富的间隙缺陷而表现出高离子电导率，这表明非晶态混合阴离子相是锂离子电池中的主要快速离子通道。
🔬 Category
cond-mat.mtrl-sci
2608 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。
Data-model Coevolution as the Architectural Principle for AI-Native Materials Databases
本文提出并验证了“数据-模型共演化”作为人工智能原生材料数据库的一项基础架构原则，通过一个 Li-P-S 三元原型系统证明了内生性的“生成-评估-优化”循环能够自主发现新型稳定相，并在以极低第一性原理计算成本的基础上实现高精度预测建模。
A Constraint-Modulated Viscosity Law for Broad-Window Glass-Forming Systems
本文提出了一种基于“连续现时实现”（Continuous Present Actualization）前提的新型“约束调制粘度律”，该定律通过解释液体冷却过程中构型可及性的持续收窄，在拟合宽窗口玻璃形成体系方面优于 VFT 和 MYEGA 等标准模型。
Momentum-Resolved Electronic Structure and Orbital Hybridization in the Layered Antiferromagnet CrPS
本研究结合了动量分辨光电子能谱与 DFT+U 计算，对层状反铁磁材料 CrPS 的电子能带结构进行了实验表征，揭示了配体到金属的电荷转移能隙以及决定其磁性和光学性质的独特轨道杂化模式。
A large-scale nanocrystal database with aligned synthesis and properties enabling generative inverse design
本文介绍了一个利用 LLM 增强型工具 NanoExtractor 构建的大规模、对齐的纳米晶体合成-性质数据库，该数据库通过 NanoDesigner 模型实现了可行纳米晶体合成路径的生成式逆向设计，并通过对既有及新型纳米晶体配方的实验验证得到了成功证实。
Enhancing Spatial Reasoning in Large Language Models for Metal-Organic Frameworks Structure Prediction
本文介绍了 MOF-LLM，这是一个通过空间感知持续预训练、监督微调和强化学习来增强 Qwen-3 8B 语言模型空间推理能力的创新框架，旨在实现金属有机框架（MOFs）具有最先进且高效率的块级 3D 结构预测。
MatMind: A Structure-Activity Knowledge-Driven Generative Foundation Model for Materials Science
MatMind 是一个统一的晶体材料科学生成式基础模型，它整合了结构-活性知识与物理启发式反馈，在属性预测和晶体生成任务上均超越了专门的窄领域架构。
An ultra-wide-bandgap semiconductor photodetector for linear measurement of bright sub-bandgap light
本文表明，通过特定的掺杂设计和接触结构构建窄空间电荷区，亚带隙氮化铝（AlN）光电探测器利用深能级缺陷介导的光响应，实现了对超强蓝光和高温环境的非饱和线性响应，从而能够在极端的工业及航空航天环境中实现可靠传感。
Agentic multi-fidelity learning of quasiparticle and excitonic properties
本文介绍了一种智能体引导的多保真度学习框架，该框架利用结构智能体来诊断 GW-Bethe-Salpeter 计算中的数值不稳定性，并应用机器学习修正来准确预测应变 MoS2-WS2 双层材料中的准粒子和激子特性，从而证明了显式检测数值脆弱性对于可靠地对激发态材料进行代理建模至关重要。
Phase Formation and Thermal Stability of Superconducting Platinum Silicide Thin Films on Silicon
本研究表明，通过在600°C下的热处理过程，可以在硅上快速形成具有稳定微观结构和一致特性的相纯超导铂硅化物（PtSi）薄膜，从而为CMOS兼容的量子器件建立了一个稳健的制备窗口，同时确定界面粗糙化是相转变的内在结果，而非热降解所致。