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。

Surface Modification for III-V Selective Area Molecular Beam Epitaxy of Non-Selective Mask Materials

本研究表明,沉积一层亚纳米级的二氧化硅覆盖层能够实现 III-V 族半导体在高度反应性或非选择性掩模材料(如 TiO2TiO_2HfO2HfO_2)上的选择性区域分子束外延,从而在不降低其光谱性能的前提下,克服传统掩模的光学局限性。

Ashlee M. García, Byron D. Aguilar, William J. Doyle, Pernille Undrum Fathi, Federico Capasso, Daniel Wasserman, Seth R. Bank2026-06-02🔬 cond-mat.mtrl-sci

DPA4: Pushing the Accuracy-Cost Frontier of Interatomic Potentials with EMFA SO(2) Convolution

本文介绍了 DPA4,这是一种新型的 SE(3) 等变原子间势能架构,其采用了 EMFA SO(2) 等变卷积以及编译器友好的训练优化技术,在显著降低参数量和训练成本的同时实现了最先进的精度,从而为大型原子模型建立了新的精度-成本帕累托前沿。

Tiancheng Li, Wentao Li, Anyang Peng, Jianming Xue, Linfeng Zhang, Duo Zhang, Han Wang2026-06-02🔬 cond-mat.mtrl-sci

Performance Benchmarking of Tensor Trains for accelerated Quantum-Inspired Homogenization on TPU, GPU and CPU architectures

本文通过使用 JAX 对 CPU、GPU 和 TPU 上的张量列(Tensor Train)运算进行基准测试,以适配并加速一种量子启发式的基于 SFFT 的均质化算法,成功实现了从 3 亿到 700 亿个网格点的高分辨率多尺度模拟,而这类模拟对于传统的基于 GPU 的 FFT 方法而言是无法实现的。

Sascha H. Hauck, Matthias Kabel, Nicolas R. Gauger2026-06-01🔬 cond-mat.mtrl-sci

Interpretable, Physics-Informed Learning Reveals Sulfur Adsorption and Poisoning Mechanisms in 13-Atom Icosahedra Nanoclusters

通过将色散修正密度泛函理论与物理启发式机器学习相结合,本研究阐明了 30 个 13 原子过渡金属二十面体团簇中的硫吸附与中毒机制,并确定了 Ti-Zr-Hf 等电子等价三元组是设计耐硫亚纳米催化剂的平衡组分。

Raiane Ferreira Monteiro, João Marcos T. Palheta, Tulio Gnoatto Grison, Octávio Rodrigues Filho, Renato Luis Tame Parreira, Diego Guedes-Sobrinho, Celso R. C. Rêgo, Alexandre C. Dias, Krys Elly de Ara (…)2026-06-01🔬 cond-mat.mtrl-sci

Global Plane Waves From Local Gaussians: Periodic Charge Densities in a Blink

该论文介绍了 ELECTRAFI,这是一种快速且可微的模型,它通过利用各向异性高斯的闭式傅里叶变换来预测晶体材料中的周期性电荷密度,从而以高达 633 倍的推理速度实现了最先进的精度,进而显著降低了密度泛函理论(DFT)计算的总计算成本。

Jonas Elsborg, Felix Ærtebjerg, Luca Thiede, Alán Aspuru-Guzik, Tejs Vegge, Arghya Bhowmik2026-06-01🔬 cond-mat.mtrl-sci