S2SNet: A Pretrained Neural Network for Superconductivity Discovery

要約

超伝導により、エネルギーを損失することなく電流を流すことができるため、固体を超伝導にすることは物理学、材料科学、電気工学の大きな目標です。
超電導研究への貢献により、16人以上のノーベル賞受賞者が受賞しています。
超電導体は、気候変動の緩和、手頃な価格のクリーン エネルギー、産業、イノベーション、インフラストラクチャーなどの持続可能な開発目標 (SDGs) にとって価値があります。
しかし、すべての超伝導メカニズムを説明する統一的な物理理論はまだ知られていません。
超伝導は微視的には分子組成だけでなく幾何学的結晶構造にも起因すると考えられています。
したがって、結晶構造と超伝導臨界温度の両方を含む新しいデータセット S2S が、SuperCon とマテリアル プロジェクトに基づいて構築されています。
この新しいデータセットに基づいて、超伝導予測にアテンションメカニズムを利用する新しいモデル S2SNet を提案します。
データ不足を克服するために、S2SNet はマスク言語モデリング (MLM) を使用してマテリアル プロジェクト データセット全体で事前トレーニングされています。
S2SNet は、92% のサンプル外精度と 0.92 の曲線下面積 (AUC) を備えた、新しい最先端のものです。
私たちの知る限り、S2SNet は結晶構造の情報だけで超伝導を予測した最初の研究です。
この研究は超電導の発見とさらなるSDGsに有益です。
コードとデータセットは https://github.com/zjuKeLiu/S2SNet で入手できます。

要約(オリジナル)

Superconductivity allows electrical current to flow without any energy loss, and thus making solids superconducting is a grand goal of physics, material science, and electrical engineering. More than 16 Nobel Laureates have been awarded for their contribution to superconductivity research. Superconductors are valuable for sustainable development goals (SDGs), such as climate change mitigation, affordable and clean energy, industry, innovation and infrastructure, and so on. However, a unified physics theory explaining all superconductivity mechanism is still unknown. It is believed that superconductivity is microscopically due to not only molecular compositions but also the geometric crystal structure. Hence a new dataset, S2S, containing both crystal structures and superconducting critical temperature, is built upon SuperCon and Material Project. Based on this new dataset, we propose a novel model, S2SNet, which utilizes the attention mechanism for superconductivity prediction. To overcome the shortage of data, S2SNet is pre-trained on the whole Material Project dataset with Masked-Language Modeling (MLM). S2SNet makes a new state-of-the-art, with out-of-sample accuracy of 92% and Area Under Curve (AUC) of 0.92. To the best of our knowledge, S2SNet is the first work to predict superconductivity with only information of crystal structures. This work is beneficial to superconductivity discovery and further SDGs. Code and datasets are available in https://github.com/zjuKeLiu/S2SNet

arxiv情報

提供元, 利用サービス

arxiv.jp, Google