🔬 mesoscale physics
Signatures of three-state Potts nematicity in spin excitations of the van der Waals antiferromagnet FePSe
对单轴应变下的范德华反铁磁体 FePSe 进行中子散射实验表明，拉伸应变诱导磁序和自旋激发均发生向对称性的转变，这为顺磁相中观测到的三态 Potts 向列性源于与低温之字形反铁磁态相关的残留序提供了直接证据。
🔬 Category
cond-mat.mtrl-sci
4173 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
An improved reliability factor for quantitative low-energy electron diffraction
本文在定量低能电子衍射中引入修正的可靠性因子以替代Pendry的，旨在解决后者对噪声和强度偏移的敏感性问题，同时证明其在优化表面结构测定方面具有更优或相当的性能。
🔬 applied physics
Low-Field Ferroelectricity in 10 nm AlBScN Thin Films
本研究证明，将硼掺入10纳米铝钪氮（AlBScN）薄膜中，可实现稳健的铁电开关，并显著降低漏电流和矫顽场，从而使AlBScN成为适用于低电压、与CMOS兼容的非易失性存储应用的有前景的候选材料。
🔬 materials science
A probabilistic framework for crystal structure denoising, phase classification, and order parameters
本文介绍了一个统一的、可微分的概率框架，该框架通过在已知原型的合成扰动上进行训练，能够同时去噪原子构型、分类晶体相并构建序参量，从而在多种条件下对复杂的原子模拟进行稳健分析。
🔬 mesoscale physics
Thermalized buckling of extensible, semiflexible polymers
本文表明，热涨落与有限可伸展性的耦合从根本上改变了半柔性聚合物的欧拉屈曲不稳定性，导致出现一个新的临界区域，其中临界压缩应变随系统尺寸增大而增加，并由具有独特临界指数的不同不动点所支配。
🔬 physics
Crystal Fractional Graph Neural Network for Energy Prediction of High-Entropy Alloys
本文提出了一种晶体分数图神经网络，该网络通过图注意力机制将局部原子环境分析与全局成分数据相结合，以准确预测高熵合金的能量，在包含 1000 多个结构的数据集上实现了第一性原理级别的精度，同时承认当前在处理大晶胞方面存在局限性。
🔬 condensed matter
Heat Transfer in Phase Change Materials with Multiple Fin Insertion
本研究利用三维数值模拟证明，通过利用间隙空间并避免次优单翅片或过密配置所产生的重叠热效应，多个间距适当的翅片可显著提高相变材料的熔化效率。
🔬 mesoscale physics
Rashba engineering at van der Waals interfaces
本研究表明，外延生长的过渡金属硫族化合物（TMD）单层之间的界面能够通过电子杂化实现拉什巴自旋劈裂的调控和太赫兹自旋电子发射的增强，从而为高效的自旋 - 电荷转换提供了一个可调谐平台。
🔬 materials science
SLayerGen: a Crystal Generative Model for all Space and Layer Groups
本文介绍了 SLayerGen，这是一种新颖的生成模型，它通过结合自回归晶格采样与等变扩散的混合架构，强制模型对所有空间群和层群保持不变性，从而统一了块体晶体和双周期材料（如二维单层）的生成，同时提供了新的数据集和评估指标，以推动这些此前代表性不足的材料体系的发现。
🔬 materials science
Multiscale modeling of materials and neural operators
本文介绍了神经算子作为一种强大且与离散化无关的工具，用于克服材料多尺度建模中的挑战，并通过三个精选示例展示了其有效性。