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

Probing lattice fluctuations using solid-state high-harmonic spectroscopy

该研究通过表征超原子半导体 Re6Se8Cl2 中固体高次谐波产生的温度依赖性,揭示了热晶格涨落通过减弱单构型谐波响应并诱导系综相位色散,从而显著抑制相干高次谐波发射的机制,并证明该效应可被解释为随温度变化的有效电子退相干时间。

Lance Hatch, Navdeep Rana, Shoushou He, Jessica Yu, Boyang Zhao, Yu Zhang, Haidan Wen, Xavier Roy, Lun Yue, Mette Gaarde (…)2026-04-14
🔬 materials science

ReadMOF: Structure-Free Semantic Embeddings from Systematic MOF Nomenclature for Machine Learning

该论文提出了 ReadMOF 框架,利用预训练语言模型将金属有机框架(MOF)的系统命名直接转化为语义嵌入,从而在不依赖原子坐标或结构图的情况下,实现了与几何方法性能相当的材料属性预测、相似性检索及化学推理能力。

Kewei Zhu, Cameron Wilson, Bartosz Mazur, Yi Li, Ashleigh M. Chester, Peyman Z. Moghadam2026-04-14
🔬 materials science

A Lightweight Universal Machine-Learning Interatomic Potential via Knowledge Distillation for Scalable Atomistic Simulations

本文提出了一种基于知识蒸馏框架的轻量级通用机器学习势函数 SevenNet-Nano,它在继承教师模型广泛泛化能力与高精度的同时,显著降低了计算成本并实现了超过一个数量级的加速,从而能够高效开展大规模原子模拟。

Sangmin Oh, Jinmu You, Jaesun Kim, Jiho Lee, Hyungmin An, Seungwu Han, Youngho Kang2026-04-14