ScGAN：一种用于预测假设超导体的生成对抗网络
超导电性
2023-10-13 v1
摘要
尽管高温超导体（HTSs）在三十多年前即被发现，但其机理仍缺乏解释，也缺乏系统的搜索方法。为辅助此搜索，本项目提出ScGAN，一种用于高效预测新型超导体的生成对抗网络（GAN）。ScGAN在OQMD中的化合物上训练，随后迁移学习到SuperCon数据库或其子集上。训练完成后，该GAN用于预测超导候选材料，其中约70%被一个分类模型判定为超导材料——相比人工搜索方法，发现率提高了23倍。此外，超过99%的预测为新颖材料，表明ScGAN能够潜在地预测全新的超导体，包括若干有前景的高温超导体候选。本项目提出了一种新颖、高效的搜索新型超导体方法，可应用于技术领域或有助于洞察高温超导这一未解问题。
引用
@article{arxiv.2209.03444,
title = {ScGAN: A Generative Adversarial Network to Predict Hypothetical Superconductors},
author = {Evan Kim and S. V. Dordevic},
journal= {arXiv preprint arXiv:2209.03444},
year = {2023}
}