在探索新材料的宏大征程中,超導體一直是科學家們夢寐以求的"圣杯"。想象一下,如果電線可以完全沒有阻力地傳輸電流,我們的世界會變成什么樣?這不僅意味著更高效的電力傳輸,還意味著磁共振成像(MRI)設備變得更小更便宜,甚至核聚變裝置也能因此取得突破。這一切的關鍵就在于找到能在較高溫度下實現(xiàn)超導的材料。
2025年6月,中國人民大學物理學院和量子態(tài)構建與操控教育部重點實驗室的韓小琦、高澤鋒、王新德等研究人員在arXiv預印本平臺發(fā)表了一篇題為《HTSC-2025: A Benchmark Dataset of Ambient-Pressure High-Temperature Superconductors for AI-Driven Critical Temperature Prediction》的研究論文。這篇論文介紹了一個專門用于評估人工智能預測超導體臨界溫度(Tc)能力的基準數(shù)據(jù)集,對于推動高溫超導材料的發(fā)現(xiàn)具有重要意義。
超導現(xiàn)象自1911年被發(fā)現(xiàn)以來,已經(jīng)吸引了超過6萬篇學術論文的研究關注。這些材料在失去電阻的同時,能夠應用于多個關鍵領域:從節(jié)能的電力傳輸,到醫(yī)學影像設備,再到核聚變裝置。然而,大多數(shù)超導體只有在接近絕對零度的極低溫度下才能工作,這使得它們的實際應用受到極大限制。因此,尋找在更高溫度下(理想情況下是室溫)能夠實現(xiàn)超導的材料,成為這一領域的"圣杯"。
近年來,人工智能在材料科學領域展現(xiàn)出驚人的潛力。多個研究團隊開發(fā)了各種AI模型來預測材料的超導臨界溫度,聲稱能夠達到令人印象深刻的準確度。例如,ALIGNN模型聲稱在預測中平均誤差低于2K,BETE-NET模型將誤差降低到2.1K,而InvDesFlow-AL則宣稱對傳統(tǒng)BCS超導體的預測誤差同樣低于2K。然而,這些模型的比較面臨一個關鍵問題:缺乏一個統(tǒng)一的、被廣泛接受的基準數(shù)據(jù)集。
想象一下,如果我們要比較不同品牌的汽車性能,但每個品牌都在不同的道路上測試,結果自然無法直接比較。同樣地,不同的AI模型如果在不同的數(shù)據(jù)集上測試,我們就無法判斷哪個模型真正更優(yōu)秀。這正是HTSC-2025基準數(shù)據(jù)集要解決的問題。
HTSC-2025數(shù)據(jù)集專注于常壓下的高溫超導材料,這些材料都是基于BCS超導理論,由理論物理學家在2023年至2025年間預測發(fā)現(xiàn)的。這些材料包括著名的X?YH?系統(tǒng)、鈣鈦礦型MXH?系統(tǒng)、M?XH?系統(tǒng)、從LaH??結構演化而來的籠狀BCN摻雜金屬原子系統(tǒng),以及從MgB?演化而來的二維蜂窩結構系統(tǒng)。選擇這些系統(tǒng)的原因很簡單:它們在常壓下工作(不需要極端高壓環(huán)境),且基于成熟的BCS理論,這意味著AI模型的預測結果可以通過密度泛函理論(DFT)計算相對快速地驗證。
如何構建這樣一個基準數(shù)據(jù)集?研究團隊首先廣泛調研了理論預測的超導體文獻,篩選出了自2024年以來發(fā)現(xiàn)的、在常壓下表現(xiàn)出高溫超導性的材料。隨后,他們通過專家手動構建、自動腳本替換以及直接與原作者郵件聯(lián)系等多種方式,系統(tǒng)地收集了這些材料的晶體結構信息(CIF文件)和對應的理論預測超導轉變溫度。最終,他們將這些材料分類為不同的晶體系統(tǒng),建立了一個結構化的框架,為后續(xù)AI性能評估奠定基礎。
這個基準數(shù)據(jù)集的價值在于它能提供一個公平的"賽道",讓各種AI模型在相同的數(shù)據(jù)上進行比較。使用HTSC-2025評估AI模型時,首先要確保訓練數(shù)據(jù)集中嚴格排除這些材料,以防止數(shù)據(jù)泄露。然后,AI模型將晶體數(shù)據(jù)轉換為圖表示或其他結構化格式作為輸入,隨后預測材料的超導Tc。通過計算模型預測與DFT計算結果之間的平均絕對誤差(MAE),我們可以量化不同模型的預測性能。
更重要的是,HTSC-2025不僅僅是一個靜態(tài)的數(shù)據(jù)集,它還提供了一個驗證框架。對于AI推薦的候選超導體,研究人員可以通過第一性原理方法進行驗證,包括晶體結構優(yōu)化、聲子譜分析和電子-聲子耦合計算。這就像是給每個模型預測的"答案"提供了一個嚴格的"閱卷標準"。
讓我們深入了解一下HTSC-2025數(shù)據(jù)集的內容。該數(shù)據(jù)集共包含140個樣本,平均Tc為27.3K。超過一半的晶體表現(xiàn)出超過20K的Tc,突顯了該數(shù)據(jù)集在評估相對高Tc值材料方面的重點。從元素分布來看,氫是最常見的元素,出現(xiàn)在79個化合物中,這強調了氫化物在實現(xiàn)高溫超導性方面的顯著潛力。
在這些材料系統(tǒng)中,X?YH?系統(tǒng)展現(xiàn)出最高的平均Tc(55.4K),其中Mg?IrH?的Tc高達160K。這一發(fā)現(xiàn)啟發(fā)研究人員對X?YH?系統(tǒng)進行了更詳細的研究,發(fā)現(xiàn)了許多超導Tc超過20K甚至達到70K的系統(tǒng)。這些結構的超導機制看起來相似:它們的電子結構在費米能級附近表現(xiàn)出范霍夫奇點,這可能有助于提高Tc。此外,氫的1s軌道對電子態(tài)密度的顯著貢獻使得費米能級附近的電子與高頻聲子模式之間能夠形成強耦合,從而增強了整體電子-聲子耦合強度。
受X?YH?化合物研究的啟發(fā),熒石型M?XH?化合物(其中M可以是Li、Na、Mg、Al、K、Ca、Ga、Rb、Sr和In,X代表3d、4d或5d過渡金屬)也引起了相當大的關注。其中,Mg?OsH?的超導臨界溫度高達73K。它的能帶結構顯示有三個能帶穿過費米能級,表明其金屬特性。氫的電子態(tài)密度在費米能級附近均勻分布,有助于電子-聲子耦合。此外,高頻聲子區(qū)域中氫原子對聲子態(tài)密度的顯著貢獻進一步增強了這種耦合。
鈣鈦礦型MXH?系統(tǒng)也展現(xiàn)出令人印象深刻的超導性能。通過高通量計算,研究人員發(fā)現(xiàn)了SrAuH?(Tc = 132K)和SrZnH?(Tc = 107K)等材料,它們表現(xiàn)出異常高的超導轉變溫度,凸顯了這類材料在實現(xiàn)高溫超導性方面的巨大潛力。多個電子能帶穿過費米能級,Au的5d軌道在費米能級附近做出顯著貢獻,形成了明顯的范霍夫奇點,可能增強了費米能級處的態(tài)密度,從而促進超導性。
籠狀氫化物如CaH?、YH?、CeH??和LaH??需要高壓條件才能保持動力學穩(wěn)定性,這限制了它們的合成和實際應用。然而,這些材料中觀察到的常規(guī)超導機制啟發(fā)物理學家探索在BCS型材料中實現(xiàn)高溫超導的可能性??紤]到B和C是能夠形成強共價鍵的最輕元素,以及客體金屬原子的成分多樣性,研究人員在用這些元素替代籠狀氫化物結構中的氫方面取得了重大進展。
例如,六方籠狀結構的XB?C化合物(X = Ca、Sr、Ba)表現(xiàn)出超導性,Tc分別為77.1K、64.4K和53.2K。第一性原理計算顯示,這些材料具有金屬基態(tài),特征是多個能帶穿過費米能級。費米能級附近平坦和彌散能帶的共存導致增強的電子-聲子耦合強度,為觀察到的較高Tc值提供了機制。聲子譜計算表明,電子-聲子耦合主要集中在高頻光學模式中。
通過在硼-氮籠中摻雜金屬,研究人員獲得了四種穩(wěn)定的超導體M(BN)?(M = Na、Al、In、Tl),相應的Tc為8K、22K、15K和15K。其中,Al(BN)?的電子能帶結構顯示多個能帶穿過費米能級,產(chǎn)生電子型和空穴型費米面。費米面處的電子態(tài)主要來源于B和N原子的p軌道,以及Al原子的p軌道,這有利于庫珀對形成,增強電子-聲子耦合。
除了上述材料系統(tǒng)外,研究人員還觀察到基于物理直覺的高溫超導體發(fā)現(xiàn)策略的進展,如空穴摻雜、引入輕元素形成強共價鍵以及調節(jié)自旋-軌道耦合。例如,(BN)?在本征狀態(tài)下表現(xiàn)為絕緣體,但空穴摻雜導致費米能級向下移動,使sp?雜化的σ-鍵帶金屬化。這種電子轉變伴隨著高溫超導性的出現(xiàn),Tc達到96K。隨著空穴濃度的增加,盡管整體電子結構基本保持不變,但中頻光學聲子模式與σ-電子之間產(chǎn)生強耦合,顯著貢獻于總電子-聲子耦合。
在常壓下,MgB?C?和空穴摻雜的NaBC表現(xiàn)出高溫超導潛力??昭舛瓤梢酝ㄟ^熱脫嵌入方法調節(jié)。例如,NaBC中的低溫鈉脫嵌入有效抑制了BC層中缺陷的形成,保持了強電子-聲子耦合。這些空穴摻雜材料表現(xiàn)出強電子-聲子耦合強度(λ~0.95-1.32)和類似MgB?的特征雙能隙超導行為,Tc值范圍從43K到88K,其中最高值觀察到于Na?/?BC。
基于MgB?的AlB?型結構設計的二維蜂窩結構KB?C?(Tc = 153K)通過引入碳原子形成強共價B-C σ鍵,實現(xiàn)了電子與高頻面內聲子振動之間的強耦合。其多能隙性質(σ和π態(tài)的共存)進一步促進了庫珀對形成。雙軸拉伸應變誘導聲子模式軟化,顯著增強了電子-聲子耦合常數(shù)λ,遠超傳統(tǒng)二維超導體。類似地,通過用B-C層替代MgB?的B-B表面層,二維材料Mg?B?C?表現(xiàn)出高溫超導性,預測Tc估計在47-48K左右。
HTSC-2025基準數(shù)據(jù)集已在GitHub上開源(https://github.com/xqh19970407/HTSC-2025),并將持續(xù)更新。這一基準數(shù)據(jù)集對于加速使用基于AI的方法發(fā)現(xiàn)超導材料具有重要意義。它不僅提供了一個可重現(xiàn)和量化的基礎來進行跨模型評估,還提供了物理上可解釋的模板,以支持新型高溫超導體的反向設計和發(fā)現(xiàn)。
隨著科學理解的進步,研究團隊希望未來能夠將HTSC-2025擴展到非常規(guī)超導體領域。他們將繼續(xù)擴展和更新該基準數(shù)據(jù)集,開發(fā)相關的AI算法,并在該基準上進行廣泛評估,以促進高溫超導體的發(fā)現(xiàn)。此外,他們還將探索基于物理直覺的方法,發(fā)現(xiàn)新的高溫超導材料。
這項研究得到了中國國家自然科學基金(編號62476278、12434009和12204533)、國家重點研發(fā)計劃(編號2024YFA1408601)以及量子科學與技術創(chuàng)新計劃(編號2021ZD0302402)的資助。計算資源由中國人民大學高性能計算物理實驗室提供。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。