🔬 materials science
The electric field gradient tensor as a symmetry-adapted order parameter in Landau theory
本文建立了一个系统的朗道理论框架，将电场梯度（EFG）张量视为一种对称性适应序参数，从而能够基于不可约表示预测其对结构相变的线性或二次响应，并通过实验数据和第一性原理计算验证了这些预测。
🔬 Category
cond-mat.mtrl-sci
3284 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
Instability-induced bistable shape-morphing kirigami structures
本文提出了一种用于各向异性剪纸结构的逆向设计框架，该框架利用受控的几何挫折和不稳定性诱导部署，通过模拟与实验验证，实现了可编程、稳定且可调控的双稳态形状演变能力。
🔬 applied physics
Two-magnon scattering in the framework of the Lippmann-Schwinger equation
本文引入了一个利普曼-施温格（Lippmann-Schwinger）框架来模拟弱缺陷势引起的双磁振子散射，证明了该散射是由有效场扰动与简并自旋波态之间的重叠所决定的，从而将晶体取向与铁石榴石薄膜中的磁性线宽展宽联系起来。
🔬 materials science
Theory of phonon-magnon hybridization and angular momentum in CrI and CrBr
本文开发了一个受限哈密顿框架来量化 CrI 和 CrBr 中的声子-磁振子杂化，揭示了显著的混合（在 CrBr 中高达 25%），并展示了总角动量如何在杂化的声子和磁振子子系统中保持守恒并进行分配。
🔬 materials science
Generation of representative powder particle packing in 2D/3D: which tool for which application?
本文针对生成具有代表性的二维/三维粉末颗粒堆积的四种开源工具进行了基准测试，并将其与工业标准进行对比，结果表明，虽然离散元法（DEM）代码实现了最高的堆积密度，但顺序投放与滚动算法提供了一种计算效率更高且对于许多应用而言准确度可接受的替代方案。
🔬 materials science
No band gap, no problem: Defects in InAs using a band-avoiding occupation-constrained density functional theory
本文介绍了一种避带占据约束密度泛函理论（ba-occ-DFT）方法，该方法克服了像砷化铟（InAs）这类窄禁带半导体中的零带隙问题，使得在标准 DFT 无法重现实验带隙的情况下，仍能实现对原子缺陷能级的准确预测。
🔬 materials science
Towards real-time surrogate-free Bayesian inversion for neutron reflectometry
本文介绍了一种用于中子反射率测量的快速、无代理贝叶斯反演框架，该框架利用精确梯度来赋能高效的哈密顿蒙特卡洛和变分推理方法，在不牺牲物理直觉的前提下，为复杂样品提供了最先进的不确定性量化速度与鲁棒性。
🔬 materials science
Dual-Level Atomic and Coordination Geometry Learning for Crystal Property Prediction Using Graph Neural Networks
该论文提出了配位多面体图网络（Coordination Polyhedron Graph Network, CPGN），这是一种多尺度图神经网络，通过显式地对原子、化学键和配位多面体层级进行建模，并利用双向交叉注意力机制，捕捉现有模型经常忽略的基础结构单元，从而在预测晶体性质方面达到了最先进的精度。
🔬 materials science
A flexible kinetic Monte Carlo framework for GaN molecular beam epitaxy with adaptive on-the-fly barrier evaluation
本文提出了一种灵活且可扩展的基于格点的动力学蒙特卡洛框架，用于模拟氮化镓分子束外延，该框架将预定义的活化能目录与自适应的机器学习实时势垒评估相结合，以准确模拟诸如岛屿形成、奥斯特瓦尔德熟化以及温度驱动的岛屿迁移等复杂生长现象。
🔬 materials science
MANDALA: An E(3)-Equivariant Graph Neural Network Framework for Learning Electronic-Structure Operators with Observable Guidance
Mandala 是一个模块化的、E(3) 等变的图神经网络框架，它通过学习块稀疏量子算符来直接预测能带结构和态密度等电子观测值，从而弥合了机器学习与电子结构计算之间的差距，并以此对传统的机器学习原子间势函数进行补充。