基于机器学习的卡戈超导体YRu3B2和LuRu3B2的发现
超导电性
2026-02-05 v2
摘要
我们报道了在两种卡戈格晶格化合物YRuB和LuRuB中发现了 Bulk 超导性，这两种材料是通过机器学习加速的高通量筛选结合第一性原理计算所预测的。这些材料晶体结构为六方形CeCoB型结构，由Ru原子构成平面卡戈格网络。我们观察到YRuB的超导临界温度为~K，LuRuB的超导临界温度为~K，通过磁化和比热测量确认。两种化合物均表现出接近100%的超导体积比例，表明其为 Bulk 超导。与LaRuSi相比，YRuB和LuRuB的Ru局域准平坦能带更具散射性（因此在费米能级处的态密度(DoS)较低），且整体声谱趋于硬化，这两者均降低了电子-声子耦合常数。同时，Ru局域态与低频Ru面内局支声模之间的主要实空间电子-声子耦合几乎保持不变，表明的降低源于态密度的降低以及整体声子硬化。超流重量计算显示，常规贡献占主导地位，优于量子几何效应，这是由于能带在费米能级附近更具散射性所致。这一工作证明了将机器学习筛选、第一性原理理论与实验合成相结合对于加速新型超导材料的发现具有有效性。
引用
@article{arxiv.2512.16945,
title = {Machine Learning-Guided Discovery of Kagome Superconductors YRu3B2 and LuRu3B2},
author = {Rose Albu Mustaf and Sajilesh K. P. and Sanu Mishra and Junze Deng and Yi Jiang and Kaja H. Hiorth and Eeli O. Lamponen and Martin Gutierrez-Amigo and Päivi Törmä and Miguel A. L. Marques and B. Andrei Bernevig and Emilia Morosan},
journal= {arXiv preprint arXiv:2512.16945},
year = {2026}
}