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。

Saturated and Anisotropic Magnetostriction in an Altermagnet

本研究报告了在原型交错磁体 MnTe 中发现了易饱和且各向异性的磁致伸缩现象,这一发现通过揭示弹性应变与内尔序参数(Néel order parameter)之间对称允许的耦合,挑战了关于反铁磁磁致伸缩的传统观点。

Zhiyuan Duan, Qiyun Xu, Peixin Qin, Li Liu, Guojian Zhao, Yuzhou He, Xiaoyang Tan, Sixu Jiang, Jingyu Li, Xiaoning Wang, Qinghua Zhang, Wenhui Duan, Yong Xu, Ziang Meng, Peizhe Tang, Chengbao Jiang, Z (…)2026-06-01🔬 cond-mat.mtrl-sci

Interplay of Cl Substitution and He+^{+} Irradiation in CrSBr1x_{1-x}Clx_{x}

本研究表明,在二维磁性半导体 CrSBr 中结合氯取代与氦离子辐照会诱导局部对称性破缺和缺陷相关散射,这些因素共同重构了各向异性的拉曼光谱,同时保留了强健的共振增强电子-声子耦合。

Satyam Sahu, Adeel Bukhari, Arijit Kayal, Valerie Černá, Bing Wu, Aljoscha Söll, Gregor Hlawacek, Zdeněk Sofer, Martin Kalbáč, Matěj Velický, Otakar Frank2026-06-01🔬 cond-mat.mes-hall

A Self-Evolving Machine-Learning-Based Kinetic Monte Carlo Method for Modelling Thin-Film Growth

本文提出了一种自演化动力学蒙特卡洛框架,该框架通过在薄膜生长模拟过程中动态地进行机器学习模型在线训练,利用不确定性引导的学习取代高昂的计算,从而实现高效预测原子扩散速率,并在 Ag/Ag{111} 次单层生长实验中证明了其具备极高的计算效率与准确性。

Jyri Kimari, Flyura Djurabekova, Kostas Sarakinos2026-06-01🔬 cond-mat.mtrl-sci