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。

Corrosion Evolution of T91 Steel in Static Lead-Bismuth Eutectic Under an Oxidising Environment

本研究调查了高温氧化条件下 T91 钢在静态铅铋共晶中的腐蚀演变过程,揭示了腐蚀进程受保护氧化皮的形成以及铬和氧的扩散所控制,同时出乎意料地发现了一个富铁体心立方相表面层,这与此前关于纯氧化物层的研究结果相矛盾。

Minyi Zhang, Weiyue Zhou, Michael P. Short, Paul A. J. Bagot, Michael P. Moody, Felix Hofmann2026-06-05🔬 cond-mat.mtrl-sci

Interplay of non-local transport and local scattering during electron thermalization and spatial equilibration in laser-excited metals

本文采用重新构建的玻尔兹曼输运方程来证明,虽然非局部输运通过移除非热载流子加速了辐照表面的表观热化过程,但它同时也延迟了整个电子系统的完全平衡,揭示了随位置和能量变化的输运与散射之间复杂的相互作用。

Markus Uehlein, Tobias Held, Christopher Seibel, Sebastian T. Weber, Baerbel Rethfeld2026-06-05🔬 cond-mat.mtrl-sci

PolyGraphPy: A unified Python framework for atomistic simulation and machine learning-driven polymer design

PolyGraphPy 是一个开源 Python 框架,它将原子模拟与机器学习(包括贝叶斯图神经网络和生成模型)相结合,以实现数据生成的自动化、具备不确定性量化的聚合物特性预测,并实现目标聚合物分子的从头设计。

João G. C. S. Duarte, Shruti Venkatram, Morgan Cencer, Traian Dumitric\va, Ketson R. M. dos Santos2026-06-05🔬 cond-mat.mtrl-sci