🔬 材料科学
Indirect prediction and screening of frustrated magnetic materials using machine learning
本文提出了一种利用 CatBoost 的机器学习工作流，通过独立估算居里-魏斯温度和尼尔温度来间接预测磁挫折指数，成功筛选了超过 67,000 种化合物，并识别出 20 种高置信度的磁挫折候选材料，其中包括新型氧化物体系。
🔬 Category
cond-mat.mtrl-sci
4820 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。
🔬 材料科学
Hidden Spin-Valley Hall Effect and Gate-Switchable Electric Hall Effect in 2D Altermagnets
本文证明了具有自旋-谷-层耦合的二维交错磁体表现出一种隐藏的自旋-谷霍尔效应，该效应可以通过外场转化为门控可切换的电霍尔信号，从而为全电控谷自旋控制和磁光效应提供了一种新的基于对称性的途径。
🔬 材料科学
EpNet-Si: Atomic Form Factors Learned from Band Structures
本文介绍了 EpNet-Si，这是一种用于硅的等变神经网络增强型经验伪势方法，它通过学习局部环境中的原子形式因子，实现了快速且准确的能带结构预测，其误差在不同晶体结构下均可与密度泛函理论相媲美。
🔬 材料科学
Pressure-Driven Evolution of the Physical Properties of Layered Y2GaB and Y2InB MAB Phases: A Comparative First-Principles Study
这项基于第一性原理的研究比较了层状 Y2GaB 和 Y2InB MAB 相在高达 20 GPa 压力下的结构、弹性、电子和振动性质，揭示了 Y2GaB 在压缩下保持机械稳定性并具有增强的热性能和弹性性能，而 Y2InB 在常压之外是不稳定的，从而阐明了 M 位取代在控制其压力驱动演化过程中的关键作用。
🔬 材料科学
Pressure-transferable universal machine-learning potentials: the WBM-MatPES benchmark and Tuga-FF
本文介绍了用于系统评估高压下机器学习势函数的 WBM-MatPES 基准数据集，并提出了 Tuga-FF，这是一种图 Transformer 模型，通过在常压及高达 150 GPa 的极端压力条件下保持高精度，显著优于现有方法。
🔬 材料科学
Selective faceting induced by Hexagonal Boron Nitride on curved Platinum substrate
本研究结合实验表征与第一性原理计算，证明了在弯曲铂基底上生长的六方氮化硼通过改变不同覆盖层-基底相互作用强度的表面晶面相对稳定性，从而诱导产生特定晶面的选择性取面。
🔬 材料科学
Inverse Designing Reconfigurable Piezoelectric Tensors via Architectural and Modal Programming
本文提出了一种基于图的反向设计框架，该框架能够实现可重构压电张量的架构与模态编程，使单个结构能够在多个方向上实现可编程的频率选择性传感与驱动，同时与传统组件相比显著降低了体积。
🔬 材料科学
Enhancing Quasi-Two-Dimensional Electronic Structure in Bi2O2Se via Chlorine Substitution
这项研究表明，在 Bi2O2Se 中进行氯取代能有效引入范德华间隙，从而增强其准二维特性并实现宽带隙工程，同时保留高电子迁移率等关键电子特性。
🔬 材料科学
Large Out-of-plane Polarization in Two-dimensional Bi2O3 Monolayers Predicted by an AI-driven Inverse-design Workflow
通过将人工智能驱动的反向设计工作流与机器学习势函数及第一性原理计算相结合，本研究预测了两种具有极高面外极化的动态稳定二维 Bi2O3 单层，证明了维度诱导的对称性破缺是发现高极化二维氧化物的可行策略。
🔬 材料科学
Atoms that Matter: Largest Materials Datasets Are 99% Redundant, and Local Chemistry Can Guide the Required 1%
这项研究表明，通过选择结构和化学性质各异的局部环境，仅使用少于 OMat24 数据集 1% 的数据进行机器学习力场训练，即可获得与在 1 亿个结构的全量数据集上训练的模型相当的精度，从而证明了化学多样性而非单纯的数据量才是通用材料建模的关键因素。