基于深度学习的超导性：预测与实验验证
机器学习
2025-01-27 v1 材料科学
强关联电子
摘要
新型超导材料的发现是材料科学领域的一项长期挑战，在能源、交通和计算领域具有巨大的应用潜力。人工智能（AI）的最新进展使得通过高效利用庞大的材料数据库来加速新材料的搜索成为可能。在本研究中，我们开发了一种基于深度学习（DL）的方法来预测新型超导材料。我们合成了源自我们 DL 网络的一种化合物，并验证了其超导特性，结果与我们的预测相符。我们的方法还与先前基于随机森林的工作进行了比较。具体而言，RF 需要了解化合物的化学性质，而我们神经网络的输入仅依赖于化学组成。在网络提供线索的帮助下，我们发现了一种新型三元化合物 ，该化合物在 5.4 K 以下表现出超导性。我们进一步讨论了使用 AI 进行预测时现有的局限性与挑战，以及未来潜在的研究方向。
引用
@article{arxiv.2412.13012,
title = {Deep Learning Based Superconductivity: Prediction and Experimental Tests},
author = {Daniel Kaplan and Adam Zhang and Joanna Blawat and Rongying Jin and Robert J. Cava and Viktor Oudovenko and Gabriel Kotliar and Anirvan M. Sengupta and Weiwei Xie},
journal= {arXiv preprint arXiv:2412.13012},
year = {2025}
}
备注
14 pages + 2 appendices + references. EPJ submission