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。

Uniaxial spin texture in a superconducting electron gas revealed by exchange interactions

该研究揭示,与磁性 EuOx 覆盖层的交换相互作用在 KTaO3(110) 界面的超导二维电子气中揭示出一种隐藏的、高度各向异性的单轴自旋织构,为探索磁性与二维超导性之间的相互作用提供了新途径。

Junyi Yang, Changjiang Liu, Xianjing Zhou, Hanyu Hou, Kaijun Yin, Jianguo Wen, John Pearson, Alexey Suslov, Dafei Jin, Jidong S. Jiang, Ulrich Welp, Jian-Min Zuo, Michael R. Norman, Anand Bhattacharya2026-05-27🔬 cond-mat.mes-hall

Complex electronic topography and magnetotransport in an in-plane ferromagnetic kagome metal

本研究对铁磁性 Kagome 金属 ScMn6(Sn0.78Ga0.22)6 进行了表征,揭示了其面内易磁化轴能够保持无能隙狄拉克锥和扁平能带,从而证明了磁取向如何调控该材料的拓扑电子结构及反常霍尔效应。

Anup Pradhan Sakhya, Richa Pokharel Madhogaria, Barun Ghosh, Nabil Atlam, Milo Sprague, Mazharul Islam Mondal, Himanshu Sheokand, Arun K. Kumay, Shirin Mozaffari, Rui Xue, Yong P. Chen, David G. Mandr (…)2026-05-27🔬 cond-mat.mes-hall

Accelerating discovery across scientific disciplines through reproducible workflows with AiiDAlab

本文介绍了 AiiDAlab,这是一个基于 Jupyter 的 Web 平台,构建于 AiiDA 基础设施之上,旨在赋能跨学科科学家以完全可重现的方式自动化、管理和分析复杂计算工作流,同时重点阐述其近期向电子实验记录本、大型设施及教育场景的拓展。

Aliaksandr V. Yakutovich, Daniel Hollas, Edan Bainglass, Jusong Yu, Corsin Battaglia, Miki Bonacci, Lucas Fernandez Vilanova, Stephan Henne, Anders Kaestner, Michel Kenzelmann, Graham Kimbell, Jakob L (…)2026-05-27🔬 cond-mat.mtrl-sci

Direct simulations of H-He mixtures at planetary interior conditions: demixing, insulator-metal transition and miscibility boundaries

本研究采用直接的大规模从头算模拟提出了一种确定氢氦混合物不混溶边界的新方法,揭示氦的掺入显著推迟了绝缘体 - 金属转变并大幅降低了电导率和热导率,从而深刻影响木星和土星等气态巨行星的热演化、内部结构和发电机效应。

Valentin V. Karasiev, S. X. Hu, Joshua P. Hinz, R. M. N. Goshadze, Shuai Zhang, Armin Bergermann, Ronald Redmer2026-05-27🔬 cond-mat.mtrl-sci

AutoDFT: A Closed-Loop Multi-Agent Framework for Autonomous DFT Calculations

AutoDFT 是一个闭环多智能体框架,它将大语言模型推理集成到密度泛函理论(DFT)的全生命周期中,以自动化规划、参数生成和错误恢复,在多样化的基准测试中实现了高成功率,并使非专家能够获得可靠的基于第一性原理的材料预测。

Penghui Yang, Zhonghan Zhang, Yue Li, Xinrun Wag, Yanchen Deng, Yuhao Lu, Bijun Tang, Zheng Liu, Bo An2026-05-27🔬 cond-mat.mtrl-sci