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

Electron-phonon-coupled Langevin dynamics for strongly-correlated insulators

本文通过利用 Keldysh 路径积分形式论将电子-声子相互作用纳入其中,从第一性原理出发,为自旋-轨道耦合的莫特绝缘体推导出了广义随机朗道-利夫希茨-吉尔伯特方程,从而建立了一个能够准确捕捉耗散自旋动力学、热涨落及非平衡弛豫过程的微观框架。

Rico Pohle, Yukitoshi Motome, Terumasa Tadano, Shintaro Hoshino2026-06-15
🔬 materials science

TEM Agent: enhancing transmission electron microscopy (TEM) with modern AI tools

本文介绍了 TEM Agent,这是一个利用大语言模型和模型上下文协议(Model Context Protocol)来实现在无需额外模型训练的情况下,对透射电子显微镜子系统、数据管理以及高性能计算资源进行基于文本控制的框架,从而简化复杂的业务流程。

Morgan K. Wall, Alexander J. Pattison, Edward S. Barnard, Stephanie M. Ribet, Peter Ercius2026-06-15✓ Author reviewed
🔬 materials science

Machine Learning Accelerated SSNEB for Efficient Minimum Energy Pathway Calculations

本文介绍了一种混合机器学习加速的固态渐进弹性带(SSNEB)框架,该框架将 EquiformerV2 和 eSEN 模型与密度泛函理论(DFT)相结合,在保持与第一性原理计算相当的准确度的同时,实现了在计算固体材料最小能量路径方面高达 7 倍的加速。

Yu Zhang, Guanzhi Li, Minkyung Han, Sean Gasiorowski, Daniel Ratner, Chunjing Jia, Yu Lin2026-06-15
⚛️ quantum physics

An integrated ultrahigh vacuum cluster tool for diamond surface science and single nitrogen-vacancy center measurements

本文介绍了一种定制设计的超高真空集群工具,该工具将原位金刚石表面制备与表征与低温单氮-空位中心测量相结合,旨在将表面化学与自旋及电荷特性直接关联,以用于量子传感应用。

Zhiyang Yuan, Sorawis Sangtawesin, Lila V. H. Rodgers, Kalliope Zervas, James J. Allred, Jared Rovny, Patryk Gumann, Nat (…)2026-06-15
🔬 materials science

Probing Structure and Ionic Transport in Molten Lithium Carbonate

本研究采用等变图神经网络机器学习势能(具体为 MACE 架构)来克服模拟熔融碳酸锂时的计算限制,揭示了锂的传输由协同运动主导,并经历了一个由温度驱动的从各向异性到各向同性扩散的转变,同时准确地重现了实验中的结构和黏度特性。

Debsundar Dey, Abhirup Patra, Anand Narayanan Krishnamoorthy, Gopalakrishnan Sai Gautam2026-06-15