🔬 materials science
Adjudicating Conduction Mechanisms in High Performance Carbon Nanotube Fibers
通过广泛的低温实验和理论建模，本研究阐明了高性能碳纳米管纤维中的导电机制，证明了异质涨落诱导隧穿和场依赖性传输使其能够超越传统金属的极限电导率。
🔬 Category
cond-mat.mtrl-sci
4135 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
General Learning of the Electric Response of Inorganic Materials
本文介绍了 \texttt{MACE-Field}，这是一种 等变原子间势能，它将均匀电场集成到 MACE 骨干网络中，通过对学习到的电焓泛函进行精确微分，以准确预测多种无机材料的介电、铁电及光谱性质。
🔬 mesoscale physics
Intrinsic characteristic radius drives phonon anomalies in Janus transition metal dichalcogenide nanotubes
这项研究揭示了当 Janus 过渡金属二硫族化合物纳米管的外在半径与其单层的内在弯曲半径相匹配时，由于曲率偏差导致的软声子模式，这些纳米管能够实现能量最小化并表现出反常的光学声子频率峰值。
🔬 materials science
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。
🔬 materials science
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。
🔬 materials science
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。
🔬 materials science
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。
🔬 materials science
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。
🔬 materials science
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。
🔬 materials science
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。