🔬 材料科学
Exchange-Driven Chiral Magnons and Weyl States in Room-Temperature Metallic XCoB (X= Ta, Zr and Hf) Altermagnets
本研究识别了一类存在于正交晶系 XCoB（X = Ta, Zr, Hf）化合物中的室温金属交错磁体家族，该类化合物独特地与交换驱动的手性磁振子和外尔费米子共存，为同时实现磁振子手性和电子手性提供了一个无杂散场平台。
🔬 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
Spinodals and Domain Instabilities in Ionically-compensated Ferroelectric Films
本文开发了一种统一的热力学理论，用于描述铁电极化与离子表面补偿之间的耦合相互作用，揭示了化学电容如何支配均匀态与畴态的稳定性，并确定了在诸如 BaTiO₃ 等材料中，化学屏蔽如何抑制或促进畴形成的特定机制。
🔬 材料科学
Cryothermal Measurements of Variable-Emittance Coatings with Lower Phase Transition Temperatures for Space Thermal Control
本研究表明，通过掺杂钨的二氧化钒变发射率涂层在降低 25°C 相变温度的同时保持显著的发射率变化，可以通过冷热测量进行有效验证，从而增强用于被动空间热控制的辐射散热。
🔬 材料科学
Time- and Frequency-Resolved Observation of Inverse Orbital Hall Effect in Gallium Nitride via Terahertz Polarimetry
本研究利用太赫兹偏振技术非接触式地观测了体相氮化镓中的反向轨道霍尔效应，成功分离了轨道角动量向电荷转换中的内禀与外禀贡献，并揭示了亚皮秒级的空穴轨道角动量弛豫动力学过程。
🔬 材料科学
Dynamical Anisotropy of a Colloidal Glass Under Pressure
通过在圆柱形毛细管中利用重力施加恒定压力，本研究揭示了压力诱导了一种独特的动力学各向异性，即平行于受力方向的运动更快，同时抑制了结构和动力学非均匀性，从而为压力处理玻璃中的结构、动力学与力学之间的微观耦合提供了新的见解。
🔬 材料科学
Origins of Pressure-Enhanced Thermal Transport in Organic Semiconductors
通过将机器学习势函数与维格纳输运方程相结合，本研究揭示了压力如何显著增强晶体萘的热导率，其主要机制是通过强化分子间键合以提高声子群速度并抑制带内散射，同时削弱带间隧穿输运。
🔬 材料科学
Misfit-dislocation hierarchy governs sliding of asymmetric non-CSL grain boundaries
本研究为面心立方（FCC）金属中的非共共格晶界滑动建立了一个统一的基于位错的框架，揭示了该过程受控于一种层级结构，其中二次错配位错及其解离分位错在低于无热应力的情况下，通过热激活的位错对（kink-pair）机制促进滑动。
🔬 材料科学
A property-registry contract for retrieve-or-refuse thermal-mechanical lattice search
本文提出了一种属性注册合约，该合约利用冲突诊断功能，旨在从大型目录中检索有效的热-力学晶格设计，或者在不存在解时，提供包含最小的不可满足子集及特定的修复松弛量，从而引导工程师放宽约束，其性能优于往往会违反关键限制条件的最近邻方法。
🔬 材料科学
Neural-Network Solutions to Real-Space Charge Density and Generalization
本文介绍了 AIDEN，一种原子相互作用密度等变神经网络，它在预测周期性晶体和分子的实空间电荷密度方面实现了最先进的精度和零样本迁移能力，同时提供了比传统自洽场计算显著更快的推理速度。
🔬 材料科学
Machine Learning Guided CALPHAD Design of Ru-Stabilized BCC B2 Refractory Alloys
本研究将 CALPHAD 计算与随机森林引导的主动学习相结合，旨在设计并鉴定出 100 种具有稳定的高温 BCC 基体和 B2 析出相的 Ru 稳定 Nb 基难熔合金，从而建立了实用的成分规则，并强调了晶格错配是关键的设计目标。