通过机器学习发现的高-$T_c$三元金属氢化物YKH$_{12}$与LaKH$_{12}$

对具有高通量$T_c$超导性的氢化物化合物的搜索已被广泛研究。在二元氢化物化合物范围内，相关研究已较好开展，包括作为关注主题的数据驱动搜索。面向三元体系的搜索，可能组合数量快速增长，因此数据驱动搜索的作用愈发突出。本研究中，我们构建了多种回归模型来预测三元氢化物化合物的$T_c$，发现极端梯度提升（XGBoost）回归具有最佳性能。该最佳回归预测了实现更高$T_c$的新有望候选材料，我们进一步确定了其可能的晶体结构。在确认其晶格与热力学稳定性后，我们最终从第一性原理预测了新的三元氢化物超导体YKH$_{12}$ [$C2/m$ (No.12)，在240 GPa下$T_c$=143.2 K]与LaKH$_{12}$ [$R\bar{3}m$ (No.166)，在140 GPa下$T_c$=99.2 K]。