Modeling phase separation in polymer-derived carbonitride ceramics through extended machine learning molecular dynamics
本研究采用基于超过 9,000 种构型训练的机器学习原子间势，模拟了硅碳氮化物体系的大规模分子动力学，揭示了热处理驱动相分离的机制，其中缺陷碳环介导了非晶基体中类石墨烯片层的成核，从而解释了该材料独特的混合特性。
🔬 Category
cond-mat.mtrl-sci
2692 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。
Dataset-aware entropy-maximized active learning for machine-learned interatomic potentials
本文提出了一种数据感知、熵最大化的主动学习框架，该框架将局部熵驱动的分子动力学与全局信息过滤相结合，以高效生成用于机器学习原子间势的高质量训练数据，在多种化学体系中，仅需少量 DFT 标记结构即可实现比随机采样显著更低的能量误差。
Superconducting PdTe Thin Film Via Topotactic Transformation, Toward Topological Superconductors
本文通过利用 PdTe₂缓冲层的拓扑变换，采用分子束外延技术成功生长了具有体相特性的高质量、空气稳定的超导 PdTe 薄膜，为实现拓扑超导和马约拉纳零模建立了一个有前景的平台。
Ultrafast excitation of Bloch plasmon polaritons in hyperbolic metamaterials with an extreme ultra-violet transient grating
本文证明，由自由电子激光脉冲干涉形成的极端紫外瞬态光栅能够克服动量失配，从而实现双曲超材料中布洛赫等离激元极化激元的超快激发，为调控光学模式提供了一种替代永久性纳米结构光栅的动态方案。
TriForces: Augmenting Atomistic GNNs for Transferable Representations
TriForces 是一种模型无关的三流框架，它将自监督学习与分离的组成和结构表示相结合，以显著提升用于机器学习原子间势的原子图神经网络的迁移能力和数据效率。
Interacting donor-acceptor pairs as the origin of coupled spin-optical signals in hexagonal boron nitride
本文利用第一性原理计算证明，六方氮化硼中的耦合自旋 - 光信号源于相互作用的施主 - 受主对而非孤立缺陷，揭示了其空间分离与电荷态如何支配关键量子特性，并为设计室温量子发射体提供了统一框架。
Tuning the low-energy band structure in twisted bilayer WSe2
利用纳米角分辨光电子能谱，研究人员证明，尽管扭曲双层二硒化钨中价带顶的动量位置保持固定，但扭转角可用于调节K点和Γ点处空穴能带之间的能量分离，其调节幅度超过100毫电子伏特，从而为调控二维器件中的带隙和自旋依赖的电子 - 声子耦合提供了一条途径。
What Lies Between Crystal and Randomly Packed Structures? A General Characterization of Non-Periodic Order
通过对二维二元堆积模型中 7000 多个基态结构的广泛研究，该论文揭示：尽管非周期结构占主导地位，但其中约 35% 表现出“结构选择性”，这一特性作为底层有序性的标志，其范围远超周期性晶体多样性的极限。
Generalized Phase Diagrams for Graphene CVD growth on Copper
本文提出了一种针对铜基底石墨烯化学气相沉积生长的增强型广义相图，该相图融合了热膨胀诱导应变与化学脱附效应，通过将宏观生长参数与微观层选机制相联系，以预测并指导高质量双层石墨烯的理性合成。
Anisotropic Crystallization Kinetics and Interfacial Dynamics of Phase-Change Material SbS from Machine Learning Force Field Simulations
本研究利用机器学习力场揭示，SbS受其准一维带状结构驱动表现出各向异性结晶，其界面控制生长动力学具有显著低于扩散的活化能，为优化其在数据存储和光子学应用中的性能提供了关键见解。