基于机器学习的声子介导超导性在硼化物和碳化物中的搜索
超导电性
2026-03-09 v3 材料科学
摘要
我们提出了一种工作流程，迭代地将 ab-initio 计算与机器学习（ML）引导的搜索相结合，用于寻找具有动力学稳定性和不稳定性（即虚拟声子模式）的超导性化合物，后者在以前的研究中被大大低估。对 417 种硼、碳和硼碳化物的电子-声子耦合（EPC）特性和临界温度（T）进行了密度泛函理论扰动理论（DFPT）和各向同性 Eliashberg 近似的计算。我们的研究解决了 Brillouin 区采样的 T 收敛性问题，稳定了具有显著 EPC 贡献的虚拟声子模式，并比较了两种 ML 模型在包括动力学不稳定化合物时的性能。我们预测了一些有前景的超导性化合物，其形成能仅略高于基地凹凸面，如 CaBN（35 K），TaNbC（28.4 K），NbBC（16.4 K），YBC（4.0 K），PdCaB（7.0 K），MoRuB（15.6 K），RuVB（15.0 K），RuScC（6.6 K）等。
引用
@article{arxiv.2409.18441,
title = {Machine-learning Guided Search for Phonon-mediated Superconductivity in Boron and Carbon Compounds},
author = {Niraj K. Nepal and Lin-Lin Wang},
journal= {arXiv preprint arXiv:2409.18441},
year = {2026}
}