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。

A sulfonitride transparent conductive thin film with ultra-high refractive index

本文报道了Zr2SN2薄膜的首次成功合成,这是一类新型金属硫氮化物透明导体,其独特之处在于兼具可见光透明性、超高折射率(2.95)以及简并n型导电性。

Eugène Bertin, Shima Kadkhodazadeh, José María Castillo-Robles, Finja Tadge, Alba Pérez Millan, Anat Itzhak, Javier Sanz Rodrigo, Manuel Dillenz, Juan Maria García Lastra, Søren Raza, Ivano E. Castell (…)2026-05-22🔬 cond-mat.mtrl-sci

Competing incommensurability, electronic correlations, and superconductivity in a hybrid transition metal dichalcogenide

利用扫描隧道显微镜和先进的理论建模,本研究揭示了一种体相混合过渡金属二硫属化物(4Hb-TaS2_2)中存在由交替的 1T 层与 1H 层之间晶格失配所引发的非调谐势,该势通过调制层间电荷转移驱动系统进入掺杂莫特区域,并与体超导性相互竞争。

Jean C. Souza, Moshe Haim, Lorenzo Crippa, Hyeonhu Bae, Edanel Fishbein, Jonathan Ruhman, Binghai Yan, Amit Kanigel, Roser Valentí, Nurit Avraham, Haim Beidenkopf2026-05-22🔬 cond-mat.mtrl-sci

Upscaling DFT-trained machine-learning interatomic potential toward Quantum Monte Carlo accuracy: Sulfur-vacancy migration in monolayer MoS2_2 as a testbed

本文提出了一种多保真度机器学习方法,该方法利用有限的量子蒙特卡洛能量对经密度泛函理论训练的原子间势进行微调,从而在模拟单层 MoS2_2 中的硫空位迁移时实现接近量子蒙特卡洛的精度,使得能够开展直接量子蒙特卡洛方法因计算成本过高而无法进行的大规模高精度模拟。

Adam Hložný, Ján Brndiar, Ye Luo, Ivan Štich2026-05-22🔬 cond-mat.mtrl-sci

Machine-Learned Force Fields for Lattice Dynamics at Coupled-Cluster Level Accuracy

本研究证明,基于耦合簇数据训练、并通过增量学习和电荷感知方法增强以解决长程效应和数据局限性的机器学习力场,在预测金刚石和氢化锂的声子色散及非谐振动性质方面,相较于传统密度泛函理论取得了更优越的精度。

Sita Schönbauer, Johanna P. Carbone, Fredrik V. Eriksson, Florian Libisch, Andreas Grüneis2026-05-21🔬 cond-mat.mtrl-sci

A new skyrmion topological transition driven by higher-order exchange interactions in Janus MnSeTe

本研究揭示了一种由高阶交换相互作用驱动的、单层 Janus MnSeTe 中独特的“铁磁”拓扑转变,该相互作用特异性地调控布洛赫点,而斯格明子稳定性主要由 Dzyaloshinskii-Moriya 相互作用主导,从而确立了该材料作为具有极高能垒的稳健二维斯格明子学平台的地位。

Megha Arya, Moritz A. Goerzen, Lionel Calmels, Rémi Arras, Soumyajyoti Haldar, Stefan Heinze, Dongzhe Li2026-05-21🔬 cond-mat.mes-hall