🔬 材料科学
Orbital fingerprinting of magnetism across the Mn-Ni-Ga Heusler ternary
本文引入了由投影态密度衍生的轨道指纹，将其作为机器学习模型的有效描述符，以准确预测 Mn-Ni-Ga Heusler 三元体系中的磁有序、磁矩及相图，从而克服了传统基于成分规则的局限性。
🔬 Category
cond-mat.mtrl-sci
4890 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。
🔬 材料科学
Machine Learning for High-Entropy Catalysts: Methods and Applications
本综述系统地总结了机器学习（包括大语言模型）在加速高熵合金催化剂理性设计方面的最新方法论进展与应用，旨在通过克服其庞大成分空间所带来的挑战。
🔬 应用物理
Anharmonic Phonon Renormalization and Defect Tolerance of the Thermoelectric Power Factor in Monolayer SnSe
本研究结合第一性原理计算、随机自洽谐波近似以及玻尔兹曼输运理论，证明了非谐声子重整化稳定了高温 -SnSe 相，并揭示了与 p 型相比，n 型单层 SnSe 具有更优越的热电功率因子和缺陷容忍度。
🔬 介观物理
Plasmons in twisted bilayer graphene across dispersive and flat bands
本研究采用时间依赖密度泛函理论来表征扭转双层石墨烯的等离激元响应，揭示了大角度结构在保持几何缩放特性的同时保留了狄拉克等离激元，而小角度魔角构型则表现出源自准平带内跃迁的独特带间等离激元。
🔬 应用物理
Divergent Solid-state Conversion Pathways in Evaporated All-perovskite Tandem Solar Cells
通过揭示顺序蒸发宽带隙和窄带隙钙钛矿堆叠中不同的固态转化机制，本研究确立了将带隙特定控制作为一种设计原则，从而实现了效率达19.2%且热稳定性增强的首个蒸发全钙钛矿叠层太阳能电池。
🔬 介观物理
Ultralow-Tensile Strain Enables Exciton Funneling and Energy Transfer to Boost MoSe2 Photoluminescence Quantum Yield
通过对 ReS2/MoSe2 范德华异质结构施加 0.1% 的超低双轴拉伸应变，研究人员通过高效的激子漏斗效应和增加的跃迁偶极矩，实现了光致发光量子产率 8 倍的增强，这一机制经理论计算证实与光学干涉效应截然不同。
🔬 介观物理
Disorder-induced modulation of the nonlinear Hall effect in Weyl semimetals
本文通过在半经典玻尔兹曼框架内推导电导率张量，研究了不同类型的杂质散射（特别是极化磁杂质）如何调制外尔半金属中的非线性霍尔效应，并揭示了虽然磁性无序引入了与螺旋度相关的各向异性修正，但来自标量无序的各向同性响应仍占据主导地位。
🔬 材料科学
Tuning the Coercive Field in Ferroelectric Hf0.5Zr0.5O2-Al2O3 Heterostructures via Interfacial Charge Dynamics
本研究表明，在 Hf0.5Zr0.5O2 铁电薄膜中交替引入电介质层，通过工程化界面氧空位以产生双向内建偏置场，从而增强了存储窗口，进而将缺陷从有害因素重新定义为优化铁电存储器件的可调控设计元素。
🔬 材料科学
Strain-Induced Metal-to-Insulator Transition in Antiferromagnetic SrCrO Thin Films
本研究展示了高质量反铁磁性 SrCrO 薄膜的成功生长，并揭示了尽管该材料在低应变下保持金属基态，但增加拉伸应变和压缩应变都会在应变依赖型结构畸变的驱动下诱导金属-绝缘体转变，而与此同时其磁转变温度保持不变。
🔬 材料科学
Truncated automatic sparse differentiation for machine learning interatomic potentials
本文提出了一种截断式自动稀疏微分方法，通过利用物理局部性来舍弃微不足道的长程相互作用，从而高效地计算机器学习原子间势能的高阶导数，在对预测观测值影响极小的情况下实现了数量级的加速。