Xiao-Qi Han Ze-Feng Gao Xin-De Wang Zhenfeng Ouyang Peng-Jie Guo Zhong-Yi Lu

要約

高温超伝導材料の発見は、人類の産業界および日常生活において極めて重要な意味を持つ。近年、人工知能（AI）を用いた超伝導転移温度の予測に関する研究が注目を集め、多くのツールが著しい精度を達成していると主張している。しかし、この分野において広く受け入れられたベンチマークデータセットが存在しないため、異なるAIアルゴリズム間の公正な比較が著しく困難となっており、これらの手法のさらなる発展を阻害している。本研究では、常圧下の高温超伝導材料を対象としたベンチマークデータセット「HTSC-2025」を提案する。この包括的なデータセットは、BCS超伝導理論に基づき、2023年から2025年にかけて理論物理学者によって理論的に予測された超伝導材料を収録しており、代表的なXYH系、ペロブスカイト型MXH系、MXH系、LaH構造の進化を経て得られるカゴ状BCNドープ金属原子系、およびMgBから進化した二次元ヘキサゴナル格子構造系を含む。HTSC-2025は本URLにてオープンソース化されており、今後継続的に更新が行われる予定である。本ベンチマークは、AIを活用した超伝導材料の発見を加速する上で重要な役割を果たすものと期待される。