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

From Evaluation to Design: Using Potential Energy Surface Smoothness Metrics to Guide Machine Learning Interatomic Potential Architectures

本文介绍了键平滑度特征测试(Bond Smoothness Characterization Test, BSCT),这是一种计算高效的指标,用于检测潜在势能面的非平滑性,旨在验证机器学习原子间势函数并指导迭代式的架构改进,从而使模型在实现低回归误差的同时,确保分子动力学模拟的稳定性。

Ryan Liu, Eric Qu, Tobias Kreiman, Samuel M. Blau, Aditi S. Krishnapriyan2026-06-02
🔬 applied physics

19 GHz Single-Ended-to-Balanced Modified Ladder-Lattice Filters Realized Using Periodically Polarized AlScN BAW Resonators

本文介绍了两种 19 GHz 单端转平衡改进型梯形晶格滤波器,这些滤波器采用周期极化 AlScN BAW 谐振器实现,在消除对外部平衡器需求的同时,实现了低插入损耗、高带外抑制以及适用于无线通信应用的竞争性性能。

Merrilyn M. A. Fiagbenu, Shun Yao, Siddhant Sahoo, Mojtaba Hodjat-Shamami, Daeho Kim, Craig Moe, Pinal Patel, Ramakrishn (…)2026-06-02
🔬 materials science

Beyond Text and Tables: Vision-Language Model Integration in ComProScanner for Extracting Materials Data from Scientific Figures with High Accuracy

本文提出了一种增强版的 ComProScanner 框架,该框架集成了视觉语言模型以自动从科学图表中提取成分-属性数据,在实现高准确度和高成本效益的同时,建立了首个用于从文本、表格和图像中挖掘材料数据的全自动多模态流水线。

Aritra Roy, Enrico Grisan, Chiara Gattinoni, John Buckeridge2026-06-02