凝聚态中的涌现特性与多尺度表征挑战：从晶体到复杂材料综述

凝聚态的复杂性源于无法通过单独分析各个组成部分来理解的涌现行为。虽然传统的凝聚态方法——主要为理想晶体固体开发——提供了关于对称性、有序性和电子结构的深刻见解，但在描述层次性和软性材料的富有层次性组织时不足。这些系统在多个长度和时间尺度上表现出结构相关性，常常由支配从分子到宏观域的非线性相互作用所主导。本综述探讨了如何通过结合新兴实验和计算策略来重新定义我们对此类系统的表征和建模能力。我们检查了多模态技术——结合散射、成像和光谱学——如何跨尺度描绘结构有序性和动力学，其中像小角散射张量断层扫描、暗场成像和超快速光谱学提供了前所未有的时空分辨率。在计算前端，机器学习方法如图神经网络、神经算子和物理信息模型提供了强大的工具，用于连接不同尺度并在高维数据中揭示隐藏相关性。这些进展有望弥合结构与功能之间的差距，从而解决当代材料科学的一个重大挑战：理解和工程化多尺度架构，其涌现特性支撑了下一代功能材料、生物系统和自适应技术的行为。