基于机器学习的B-C-N化合物及R3Ni2O7型镍酸盐超导体搜索
超导电性
2025-09-04 v1 材料科学
摘要
超导体研究传统上依赖于实验和理论方法。然而，数据驱动方法和机器学习（ML）的快速发展为加速超导体发现开辟了途径。在这里，我们将机器学习与密度泛函理论（DFT）计算相结合，以高效筛选常规B-C-N基超导体，并在R3Ni2O7型双层镍酸盐中识别潜在的高温超导候选材料。我们发现了12种新的二元和三元B-C-N基超导体，其TC ≥ 10 K，其中包括3种TC ≥ 25 K的材料，如B2CN的两种结构形式（TC = 44.8 K和41.5 K）和TiNbN2（TC = 26.2 K）。这些材料具有一个共同特征——强σ键，这是实现相对较高TC的关键。此外，我们提出Tb3Ni2O7（TC = 61.6 K）和Ac3Ni2O7（TC = 70.3 K）作为高压下潜在的镍酸盐高温超导体候选材料。它们的电子结构与La3Ni2O7的电子结构非常相似，特别是在由Ni-3dz2轨道特征主导的空穴型能带方面。我们还分析了机器学习结果中常规和高温超导体的特征重要性。这些结果推进了新超导体的搜索，并加深了对超导机制的基本理解。
引用
@article{arxiv.2509.03081,
title = {Machine learning-accelerated search of superconductors in B-C-N based compounds and R3Ni2O7-type nickelates},
author = {Xiaoying Li and Wenqian Tu and Run Lv and Li'e Liu and Dingfu Shao and Yuping Sun and Wenjian Lu},
journal= {arXiv preprint arXiv:2509.03081},
year = {2025}
}