Deep Learning Based Superconductivity: Prediction and Experimental Tests

要約

新しい超電導材料の発見は材料科学における長年の課題であり、エネルギー、輸送、コンピューティングへの応用の可能性が豊富にあります。
近年の人工知能（AI）の進歩により、膨大な材料データベースを効率的に活用することで、新しい材料の探索を迅速化できるようになりました。
この研究では、新しい超電導材料を予測するための深層学習 (DL) に基づくアプローチを開発しました。
私たちは、DLネットワークに由来する化合物を合成し、その超伝導特性が予測と一致することを確認しました。
私たちのアプローチは、ランダム フォレスト (RF) に基づく以前の研究とも比較されます。
特に、RF では化合物の化学的特性に関する知識が必要ですが、ニューラル ネットの入力は化学組成のみに依存します。
私たちのネットワークからのヒントの助けを借りて、5.4 以下で超伝導になる新しい三元化合物 $\textrm{Mo}_{20}\textrm{Re}_{6}\textrm{Si}_{4}$ を発見しました。
K. さらに、AI を使用して予測を行うことに関連する既存の制限と課題について、また将来の研究の方向性についても議論します。

要約(オリジナル)

The discovery of novel superconducting materials is a longstanding challenge in materials science, with a wealth of potential for applications in energy, transportation, and computing. Recent advances in artificial intelligence (AI) have enabled expediting the search for new materials by efficiently utilizing vast materials databases. In this study, we developed an approach based on deep learning (DL) to predict new superconducting materials. We have synthesized a compound derived from our DL network and confirmed its superconducting properties in agreement with our prediction. Our approach is also compared to previous work based on random forests (RFs). In particular, RFs require knowledge of the chem-ical properties of the compound, while our neural net inputs depend solely on the chemical composition. With the help of hints from our network, we discover a new ternary compound $\textrm{Mo}_{20}\textrm{Re}_{6}\textrm{Si}_{4}$, which becomes superconducting below 5.4 K. We further discuss the existing limitations and challenges associated with using AI to predict and, along with potential future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google