cond-mat.mtrl-sci 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。

本文证明了准一维材料（如 Sn $_2$ S $_3$ 和 SbTeI）中的维度失配能够通过抑制横向晶格热导率，同时保持高效的链间空穴传输，从而实现热输运与电输运的空间解耦，使得 SbTeI 具有极高的热电优值（ $zT \approx 2.1$ ）。

通过筛选近十亿种分子结构，本研究建立了一个定量的、可解释的基团层级结构，其中腈基在特定约束条件下作为主要的锂溶剂化基团并由醚类辅助，从而能够生成高性能的氟化电解质候选物，且在不取代碳酸乙烯酯的情况下保持稳定的溶剂化壳层。

本研究建立了放电等离子烧结 NiTi 合金的力学性能与微观结构特征之间的相关性，阐明了烧结温度如何影响孔隙率、相变及超弹性，从而为优化该材料以用于先进工程应用提供依据。

本文认为，尽管量子计算通过直接处理电子相关性和复杂的能量景观，为模拟分子和材料提供了一种变革性的范式，但其真正的科学价值不仅取决于量子比特的规模扩展，还取决于通过在硬件开发的各个阶段与经典工作流进行严谨整合，从而实现预测不确定性的显著降低。

本研究结合机器学习与第一性原理计算，绘制了氮族元素硫卤化物固溶体在全成分范围及不同表面终止下的可调控带边位置图谱，识别了适用于各种太阳能应用的特定配方，并揭示了晶面选择是一个与化学取代相媲美的关键设计参数。

通过将机器学习与快速、可持续的合成方法相结合，本研究发现了 16 种新型多层 MXenes（其中包括 11 种稀土基变体）并对其进行了验证，从而显著扩展了这一材料家族已知的化学空间。

本研究表明，解析涡旋模型能够有效地将多晶氧化铁纳米花状结构的极化磁小角中子散射数据简化为一组精简的织构描述符，从而揭示了晶粒间交换耦合与各向异性轴相干性分别支配着磁涡旋态的径向与取向特征。

本文提出了一种关于晶体中电磁学与手性的通用定量理论，该理论利用对称性原理以及空间反演与时间反演之间的形式类比，建立了五种类型多极极化与五种类型手性的全面分类，从而将铁电性和对映异构性等概念扩展到了量子材料中的高阶项。

这项研究表明，材料科学机器学习中常见的启发式评估往往高估了泛化能力和神经缩放带来的益处，因为它们主要测试的是训练域内的插值，而非真正的分布外外推，而在后者中，增加数据或模型规模会产生递减或不利的回报。

本文介绍了 LLM4Mat-Bench，这是迄今为止规模最大的基准测试，包含 190 万个晶体结构和跨多种输入模态的 45 种性质，旨在系统地评估并揭示通用型及特定任务型大语言模型在预测材料性质方面的局限性。