AI-accelerated discovery of high critical temperature superconductors

要約

新しい超伝導材料、特に高い臨界温度($T_c$)を示す材料の発見は、物性物理学の分野において活発な研究分野となっている。
従来のアプローチは主に物理的直観に依存して、既存のデータベース内で潜在的な超電導体を検索します。
しかしながら、既知の材料は、材料の領域における広範な可能性の表面をなぞっただけである。
ここでは、高$T_c$超伝導体を発見するために、ディープモデルの事前トレーニングおよび微調整技術、拡散モデル、および物理ベースのアプローチ（例えば、第一原理電子構造計算）を統合したAI検索エンジンを開発します。
この AI 検索エンジンを利用して、非常に少数のサンプルセットに基づいて AI モデルによって $T_c \geq$ 15 K と予測される臨界温度を持つ 74 個の動的に安定な材料を取得しました。
注目すべきことに、これらのマテリアルは既存のデータセットには含まれていません。
さらに、$T_c$s がそれぞれ 24.08 K と 15.93 K である B$_4$CN$_3$ と B$_5$CN$_2$ を含む、データセットと個々の物質の傾向を分析します。
我々は、AI技術が一連の新しい高$T_c$超伝導体を発見できることを実証し、標的特性を持つ材料の発見を加速する可能性を概説する。

要約(オリジナル)

The discovery of new superconducting materials, particularly those exhibiting high critical temperature ($T_c$), has been a vibrant area of study within the field of condensed matter physics. Conventional approaches primarily rely on physical intuition to search for potential superconductors within the existing databases. However, the known materials only scratch the surface of the extensive array of possibilities within the realm of materials. Here, we develop an AI search engine that integrates deep model pre-training and fine-tuning techniques, diffusion models, and physics-based approaches (e.g., first-principles electronic structure calculation) for discovery of high-$T_c$ superconductors. Utilizing this AI search engine, we have obtained 74 dynamically stable materials with critical temperatures predicted by the AI model to be $T_c \geq$ 15 K based on a very small set of samples. Notably, these materials are not contained in any existing dataset. Furthermore, we analyze trends in our dataset and individual materials including B$_4$CN$_3$ and B$_5$CN$_2$ whose $T_c$s are 24.08 K and 15.93 K, respectively. We demonstrate that AI technique can discover a set of new high-$T_c$ superconductors, outline its potential for accelerating discovery of the materials with targeted properties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google