🔬 materials science
Single photon emitters in hBN: Limitations of atomic resolution imaging and potential sources of error
本研究表明，利用原子分辨率的环形暗场扫描透射电子显微镜（ADF-STEM）识别六方氮化硼中的单光子发射体，在本质上受限于样品厚度（超过约17层），并易因残余的三重不对称性导致误判，从而使得该技术对于光子学研究中通常使用的较厚薄片而言是不可靠的。
🔬 Category
cond-mat.mtrl-sci
3307 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
Role of Wadsley Defects and Cation Disorder to Enhance MoNb12O33 Diffusion
本研究表明，通过在 MoNb12O33 负极中引入 Wadsley 缺陷和过渡金属无序，可以显著增强锂扩散动力学和高倍率容量，这一点已通过实验表征与机器学习分子动力学模拟相结合得到了证实，其原理在于激活了较低嵌锂水平下的快速扩散路径。
🔬 materials science
Dynamics of Long-lived Carriers in Molybdenum Carbide Nanosheets
这项研究表明，由于钼（Mo）与碳（C）原子之间巨大的质量差异导致声子衰减路径受限，碳化钼（MoC）纳米片表现出比其他过渡金属碳化物显著更长的载流子寿命，这为通过高效的热载流子利用来增强光热和光伏器件性能提供了一种极具前景的策略。
🔬 materials science
Vacancy Diffusion Across FeCrAl Alloy Composition Space for Accident-Tolerant Fuel Cladding
本研究利用动力学蒙特卡洛模型证明，虽然增加 FeCrAl 合金中的铬含量会抑制空位扩散——特别是在辐射诱导的富铬相中——但较高的铁含量会增强空位迁移率，从而可能通过促进缺陷湮灭来提高抗辐射性能。
🔬 optics
Wave propagation and hybridization of plasmonic modes in Maxwell-Chern-Simons pseudo-electrodynamics
本文研究了麦克斯韦-陈н-西蒙斯伪电动力学中的非局域陈恩-西蒙斯拓扑项如何为电磁波产生动力学质量和能量间隙，从而诱导出一种在传统平面等离激元学中不存在的、横向电和磁表面等离激元极化子模式之间的全新杂化。
🔬 materials science
Data-Efficient Training of Linear ACE Potentials through Leverage-Guided Subset Selection of ASSYST Structure Pools
本文表明，通过杠杆引导的、无标签的 ASSYST 结构池子集选择，可以在保持与随机采样及其他基准采样策略相比具有竞争力的能量、力以及缺陷水平保真度的同时，显著降低训练准确的线性原子簇展开（ACE）势函数所需的 DFT 标注工作量（达 2–3 倍）。
🔬 materials science
Battery Material Comparisons Should Refocus on Diffusivity with Best Practices
本文主张在电池材料开发中重新关注准确的离子扩散率测量，强调当前实践往往忽略了适当的尺度评估，且电池层级的性能可能与本征扩散率值发生偏离，因此必须建立严格的最佳实践，以建立有意义的结构-性质关系。
🔬 materials science
GQD-AdsNet: Graph Neural Networks Unlock Rapid Exploration of Transition Metal Adsorption on Graphene Quantum Dots
本文提出了 GQD-AdsNet，这是一种基于密度泛函理论数据训练的图神经网络框架，能够快速且准确地预测过渡金属在石墨烯量子点上的吸附能，将计算成本降低了六个数量级，从而实现高效的催化剂筛选。
🔬 materials science
Data-driven Design of Metal-Organic Frameworks with Tunable Negative Thermal Expansion
本研究通过利用机器学习加速的工作流筛选了超过12,000种结构，确定了实现强负热膨胀的关键结构基元，并随后通过Ce-UiO-66变体在实验中验证了其创纪录的性能，从而为工程化调控金属有机框架中的可调负热膨胀建立了一种数据驱动策略。
🔬 mesoscale physics
Multiscale ensemble Monte Carlo of transport and gas sensing in monolayer MoS
本文提出了一种用于单层 MoS 的自洽多尺度系综蒙特卡罗框架，该框架将经第一性原理验证的散射机制与沟道模型相结合，以准确预测本征输运性质、场效应晶体管特性以及对各种吸附物的气体传感响应。