🔬 光学
Non-Hermitian stealthy hyperuniformity
本文提出了一种针对相关无序中非厄米超均匀性与隐身性的框架，将 PT 对称晶体概念扩展至开放系统，并揭示了由实-虚部互相关驱动的独特单向散射相，而这种现象在厄米材料中是无法实现的。
🔬 Category
cond-mat.mtrl-sci
4820 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。
🔬 材料科学
Confirmation of complex non-collinear Fe(II) spin ordering in the iron oxychalcogenide LaOFeOSe by broad range La-NQR
本研究通过宽范围零场 La-NQR 测量，证实了 LaOFeOSe 在 90 K 以下存在复杂的非共线自旋有序结构，该结果与先前的 NMR 和 Mössbauer 结果一致，同时揭示了在 Néel 温度以下 La 位点电场梯度发生了显著变化。
🔬 材料科学
Valence-Driven Structural Transformation and Phase Coexistence in Chemically Substituted EuPd2Si2
本研究表明，通过对 Ge 进行化学取代，可以系统性地降低 EuPd2Si2 的铕价态转变温度，同时诱导 Eu²⁺ 与 Eu³⁺ 态之间存在应变稳定相共存现象，揭示了晶格参数与转变温度之间稳健的反线性耦合关系，从而为该类材料家族提供了一个预测性框架。
🔬 材料科学
Microstructural evolution during isothermal tempering of a highly supersaturated metastable austenitic state of a PM high-speed steel
本研究表明，对高度过饱和的亚稳态奥氏体粉末冶金高速钢进行等温回火，能够促进碳化物球化并通过外延生长形成化学梯度边缘，从而提高硬度并降低奥氏体稳定性。
🔬 介观物理
Stabilizing and detecting electron fractionalization in the Hofstadter-Hubbard model
本文证明了在半填充三角晶格霍夫施塔特-哈伯德模型中，增加轨道通量会稳定一个 手性自旋液体相，其中电子分次为能隙自旋子和电荷子，从而产生将能带拓扑与内在拓扑序联系起来的独特光谱特征。
🔬 材料科学
Two-dimensional structures formed by pair potentials: An analytical and numerical study
本研究通过解析与数值方法证明，由于长程原子间相互作用的存在，薄膜过剩能量的 标度律在单层极限下失效，从而证明仅利用对势即可形成非范德华力二维材料。
🔬 材料科学
Super-tetragonal ferroelectric barium titanate through anionic overstoichiometry
通过利用脉冲激光沉积在高度非平衡条件下诱导阴离子过量化学计量和过氧化物键形成，研究人员稳定了一种具有 1.08 创纪录高长宽比的超四方相钛酸钡，该相表现出优于传统薄膜的卓越铁电性能。
🔬 应用物理
Zero-group-velocity modes in textured steel plates: experiments and elastic modeling
本研究表明，定向零群速度激光超声测量结合基于织构的弹性建模，能够有效表征织构钢板的弹性各向异性，并能检测位错密度和再结晶等微观结构变化。
🔬 材料科学
Hereditary Effective Atom Theory for Large-Scale Atomic Structure Prediction
本文介绍了遗传有效原子理论（Hereditary Effective Atom Theory, HEAT），这是一种新型遗传算法框架，它利用可微有效原子表示和直接叠加交叉方案，通过克服传统方法面临的组合爆炸挑战，从而高效地预测大规模系统的原子结构。
🔬 应用物理
Compositional neural networks for multimodal X-ray and neutron scattering inversion
本文介绍了一种利用组合流匹配（compositional flow matching）的模块化、不确定性感知框架，用于解决 X 射线和中子散射中的非唯一逆问题，该框架通过训练独立的单观测模型并在推理阶段将其结合，实现有效的多模态协同细化，且无需进行联合重训练。