cond-mat.mtrl-sci 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。

本研究将第一性原理密度泛函理论计算与超高压退火实验相结合，证明由于激活能垒过高，硅在氮化镓中的扩散极为有限，从而证实了该材料在先进电子应用中实现精确掺杂的稳定性。

本研究证明，基于耦合簇数据训练、并通过增量学习和电荷感知方法增强以解决长程效应和数据局限性的机器学习力场，在预测金刚石和氢化锂的声子色散及非谐振动性质方面，相较于传统密度泛函理论取得了更优越的精度。

本研究揭示了一种由高阶交换相互作用驱动的、单层 Janus MnSeTe 中独特的“铁磁”拓扑转变，该相互作用特异性地调控布洛赫点，而斯格明子稳定性主要由 Dzyaloshinskii-Moriya 相互作用主导，从而确立了该材料作为具有极高能垒的稳健二维斯格明子学平台的地位。

本研究利用高分辨率共振非弹性X射线散射（RIXS）结合配体场多重态计算，全面确定了VBr₃和VI₃的基态电子结构，揭示了由从溴到碘的三角畸变方向相反以及共价性增强所驱动的独特高自旋V³⁺组态。

本文引入了一种通用的“管状响应函数”框架，用于评估具有任意电子特性的纳米管中的静电屏蔽效应，结果表明，由于量子限域效应和弗里德尔振荡的抑制，金属性碳纳米管对离子相互作用的屏蔽作用与理想金属几乎完全相同。

本研究采用基于超过 9,000 种构型训练的机器学习原子间势，模拟了硅碳氮化物体系的大规模分子动力学，揭示了热处理驱动相分离的机制，其中缺陷碳环介导了非晶基体中类石墨烯片层的成核，从而解释了该材料独特的混合特性。

本文提出了一种数据感知、熵最大化的主动学习框架，该框架将局部熵驱动的分子动力学与全局信息过滤相结合，以高效生成用于机器学习原子间势的高质量训练数据，在多种化学体系中，仅需少量 DFT 标记结构即可实现比随机采样显著更低的能量误差。

本文通过利用 PdTe₂缓冲层的拓扑变换，采用分子束外延技术成功生长了具有体相特性的高质量、空气稳定的超导 PdTe 薄膜，为实现拓扑超导和马约拉纳零模建立了一个有前景的平台。

本文证明，由自由电子激光脉冲干涉形成的极端紫外瞬态光栅能够克服动量失配，从而实现双曲超材料中布洛赫等离激元极化激元的超快激发，为调控光学模式提供了一种替代永久性纳米结构光栅的动态方案。

TriForces 是一种模型无关的三流框架，它将自监督学习与分离的组成和结构表示相结合，以显著提升用于机器学习原子间势的原子图神经网络的迁移能力和数据效率。