超导体，在降至临界温度以下时，不受电阻的限制，表现出零电阻的特性。这种超导体的奇妙特性为能源、交通运输和尖端电子学等领域的实际应用打开了大门。在过去的十年里，人们在寻找高临界温度超导体方面取得了重大进展。在这篇论文中，来自乔治亚理工学院和河内科技大学（越南）的研究人员提出了将原子级信息纳入机器学习路径以发现新的常规（或BCS）超导体的第一步，尤其是在常压下。
由于缺乏原子级信息，对于研究学者来说，预测零温下的高温超导性是一项具有挑战性的任务。研究人员精心策划了一个包含584个原子结构的数据集，其中包含了在不同压力下计算得到的超过1100个λ和ωlog的值。他们开发了用于λ和ωlog的机器学习模型，并用它们来筛选材料项目数据库中的80,000多个条目，揭示了（通过第一性原理计算）两种在热力学和动力学上都稳定的材料，其超导性可能存在于Tc约等于10-15K和P = 0的情况下。他们使用matminer软件包将原子结构转换为数值向量，并使用高斯过程回归作为机器学习算法来实现这一点。
研究人员使用机器学习模型对35个候选材料进行了超导性能预测。其中有六个具有最高预测的Tc值。其中一些是不稳定的，需要进行进一步的稳定性计算。在验证了剩下两个候选材料，即CrH和CrH2的稳定性之后，他们使用第一性原理计算了这些材料的超导性能。研究人员使用局域密度近似（LDA）XC功能验证了他们的预测，并进行了额外的计算，确认预测结果与报告值的准确度在2-3%之内。此外，研究人员通过追踪无机晶体结构数据库（ICSD）中的起源，调查了超导体的可合成性。他们发现这些材料在过去已经进行了实验合成，并希望未来的测试能够证实它们的预测超导性。
在未来的研究中，研究人员计划通过扩大和多样化数据集，使用深度学习技术，并整合逆向设计策略来提高他们的机器学习方法，以高效地探索实际上无限的材料。研究人员设想进一步改进他们的方法，以便更好地发现高Tc超导体，并与实验专家合作进行实际测试和合成。
查看论文。感谢该项目上的研究人员进行这项研究。此外，请务必加入我们的26k+ ML SubReddit、Discord频道和电子邮件通讯，我们在这里分享最新的人工智能研究新闻、酷炫的人工智能项目等等。
本文来源：MarkTechPost，《AI论文：乔治亚理工学院提出一种人工智能方法，以更快、更可靠的方式帮助识别潜在超导体的新候选材料》。