Compositional gradient engineering for enhanced ferroelectricity in ultrathin AlScN
本文证明了超薄 AlScN 薄膜中的成分梯度工程通过分布结构不连续性来减轻泄漏和击穿，从而使厚度仅为 5 nm 的堆叠结构能够实现稳健的铁电切换，并与均匀对应物相比显著增强了电阻率和极化强度。
🔬 Category
cond-mat.mtrl-sci
2608 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。
Fine-tuning MLIP foundation models: strategies for accuracy and transferability
本文评估了针对机器学习原子间势（MLIP）基础模型在多种化学基准测试下的七种微调策略，结果表明，虽然基础模型质量和正确的能量初始化等先决条件至关重要，但对于单一系统的准确性而言，朴素微调是最优选择，而多头回放则能独特地保持用于更广泛部署的分布外鲁棒性。
Intrinsic Ductility from Shear Amorphization: From Pure Metals to Multi-Principal-Element Alloys
本文提出了一个将电子结构与固有塑性联系起来的统一框架，通过确定剪切非晶化是比位错成核更低的能量断裂准则，从而实现对纯金属及多主元合金塑性和延脆转变的准确预测。
A wrong ground-state structure of HfO predicted by machine-learning interatomic potentials based on the PBE functional
本文警告称，基于 PBE 泛函 DFT 数据训练的机器学习原子间势函数由于该泛函具有过度稳定低密度相的倾向，会错误地预测 HfO 的基态结构，而这一缺陷可以通过使用 PBEsol 或 LDA 等替代泛函来缓解。
Conditional spinodal decomposition in Li-Mg anodes for lithium metal batteries
本研究表明，在锂金属负极中引入镁会诱导有序 B2 相与富锂 -BCC 相之间发生条件性自发相分离，从而构建出一种有利于快速锂扩散并在高电流密度下抑制枝晶形成的连续互连微观结构。
Disentangling the origin of degradation in perovskite solar cells via optical imaging and Bayesian inference
本研究采用了一种结合光致发光成像、漂移-扩散模拟和贝叶斯推断的新颖方法来绘制钙钛矿太阳能电池空间非均匀退化的图谱，成功区分了体相缺陷与界面缺陷，并证明了氨基硅烷钝化能有效抑制界面退化。
Real-time quantification of fluid flows around bubbles during directional solidification
本研究通过冷冻共聚焦显微技术和粒子图像测速技术揭示，在定向凝固过程中，体积膨胀而非马兰戈尼流主导了气泡周围的流体运动，这挑战了现有的理论模型，并为控制固化材料中的气泡分布提供了新的见解。
Dopant-induced modifications of the optical properties of GaSe
本研究表明，在 GaSe 晶体中掺杂铁引入了光学和磁学活性缺陷中心，通过随功率、温度和磁场变化的光致发光光谱将其鉴定为具有独特 g 因子的 Fe 结合激子，从而为磁光电子学和量子光子学应用提供了新的见解。
Symmetry-electronic fingerprints reveal competing magnetic phases in two-dimensional materials
本文引入了一种对称-电子指纹（SEF）表示法，该表示法通过整合晶体学对称性和位点解析的电子结构，使机器学习模型能够准确预测二维材料中的磁性性质，同时独特地利用模型不确定性作为诊断工具，来识别并表征竞争磁相与磁挫折。
Cepstral Analysis to accelerate Green-Kubo thermal conductivity calculations of Metal-Organic Frameworks
本文表明，通过将倒谱分析与 Green-Kubo 模拟及机器学习势函数相结合，可以克服传统方法中固有的统计噪声和参数敏感性问题，从而为准确预测金属有机框架的热导率提供一个稳健、自动化且高效的框架。