Combinatorial Survey of Structural Phase Distribution and Magnetism in Fe-Ge-Te Composition-spread Thin Film Libraries
本研究采用高通量组合方法结合无监督机器学习，绘制了Fe-Ge-Te薄膜库的结构与磁学性质图谱，揭示六方晶体结构是铁磁性的关键前提，并实现了新型室温磁性材料的高效发现。
🔬 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。
Tuning the Charge Transfer of Transition Metal Dichalcogenides via Misfit Layer Compounds
本研究证明，失配层化合物，特别是(LaxPb1-xSe)1.14(NbSe2)2，通过岩盐层的化学合金化为NbSe2单层中精确调控电子掺杂提供了一个通用平台，从而在保持其本征电子结构的同时实现了二维过渡金属硫族化合物中涌现态的调控。
Metastable CuCrTe -- Completing the copper chromium delafossite series through soft chemistry
本文报道了通过低温溶剂热阳离子交换法成功合成了此前未能合成的亚稳态铜铬碲化物 CuCrTe，揭示了其高温反铁磁转变，并凸显了采用软化学途径获取此类亚稳态材料的必要性。
Direction-selective triplet pairing and spin-edge locking in altermagnetic metals
本文表明，二维金属中动量依赖的交替磁自旋劈裂抑制了单重态配对，从而稳定了高度各向异性的等自旋三重态超导性，该超导性在无需外加磁场的情况下产生了具有特征性自旋边缘锁定的自旋分辨马约拉纳边界态。
Spatially-Localized Second Harmonic Generation via Spin Wave Concentration in Patterned YIG Structures
本文表明，在图案化钇铁石榴石结构中通过几何限制静磁自旋波，能够实现确定性、空间局域化的高强度磁子生成，足以驱动二次谐波产生，从而为低功耗磁子信号处理与逻辑器件提供了一条有前景的途径。
Probing Dielectric Screening in van der Waals Heterostructures via Pressure-Tuned Exciton Rydberg Series
本文提出了一种通过分析范德华异质结构中封装的单层 WSe激子里德伯系列的压力诱导位移，直接测量六方氮化硼压力相关介电常数的方法。
Defect Control via Cu Enrichment Enhances Multifunctional Properties in the Polar Semiconductor Cu1+xMn1-ySiTe3
本研究证明，通过富铜掺杂极性半导体Cu1+xMn1-ySiTe3，可有效抑制堆垛层错，从而解锁此前因Cu不足组分中的晶体缺陷而受阻的增强二次谐波产生、独特的自旋翻转磁相变以及掺杂半导体行为。
Self-trapped holes and acceptor impurities in orthorhombic Ga2O3
本研究采用杂化密度泛函理论证明，正交晶系-GaO中的自陷空穴在能量上有利，并由受主掺杂剂稳定，从而形成局域化带隙态，引发红移的光学吸收，并表明若能抑制自补偿效应，则通过等电子掺杂实现 p 型导电存在潜在途径。
Stability and Dynamics of Sn-based Halide Perovskites: Insights from MACE-MP-0 and Molecular Dynamics Simulations
本研究证明，基础机器学习模型 MACE-MP-0 能够定性捕捉 CsSnBr3 和 Cs2SnBr6 的温度依赖性结构与热力学行为，成功预测相变及框架刚性，同时凸显了针对特定体系进行微调以解析细微中间相的必要性。
Composition-Based Machine Learning for Screening Superconducting Ternary Hydrides from a Curated Dataset
本文提出了一种集成 XGBoost 机器学习方法，该方法在精心筛选的氢化物数据集上进行训练，能够在无需先验结构信息的情况下，于高压条件下有效筛选并识别出有前景的三元超导候选材料，例如 Ca-Ti-H 和 Li-K-H。