人工智能推动高温超导材料研究：中国人民大学物理学院开发HTSC-2025基准数据集，为AI预测超导临界温度铺平道路

在探索新材料的宏大征程中，超导体一直是科学家们梦寐以求的"圣杯"。想象一下，如果电线可以完全没有阻力地传输电流，我们的世界会变成什么样？这不仅意味着更高效的电力传输，还意味着磁共振成像(MRI)设备变得更小更便宜，甚至核聚变装置也能因此取得突破。这一切的关键就在于找到能在较高温度下实现超导的材料。

2025年6月，中国人民大学物理学院和量子态构建与操控教育部重点实验室的韩小琦、高泽锋、王新德等研究人员在arXiv预印本平台发表了一篇题为《HTSC-2025: A Benchmark Dataset of Ambient-Pressure High-Temperature Superconductors for AI-Driven Critical Temperature Prediction》的研究论文。这篇论文介绍了一个专门用于评估人工智能预测超导体临界温度(Tc)能力的基准数据集，对于推动高温超导材料的发现具有重要意义。

超导现象自1911年被发现以来，已经吸引了超过6万篇学术论文的研究关注。这些材料在失去电阻的同时，能够应用于多个关键领域：从节能的电力传输，到医学影像设备，再到核聚变装置。然而，大多数超导体只有在接近绝对零度的极低温度下才能工作，这使得它们的实际应用受到极大限制。因此，寻找在更高温度下（理想情况下是室温）能够实现超导的材料，成为这一领域的"圣杯"。

近年来，人工智能在材料科学领域展现出惊人的潜力。多个研究团队开发了各种AI模型来预测材料的超导临界温度，声称能够达到令人印象深刻的准确度。例如，ALIGNN模型声称在预测中平均误差低于2K，BETE-NET模型将误差降低到2.1K，而InvDesFlow-AL则宣称对传统BCS超导体的预测误差同样低于2K。然而，这些模型的比较面临一个关键问题：缺乏一个统一的、被广泛接受的基准数据集。

想象一下，如果我们要比较不同品牌的汽车性能，但每个品牌都在不同的道路上测试，结果自然无法直接比较。同样地，不同的AI模型如果在不同的数据集上测试，我们就无法判断哪个模型真正更优秀。这正是HTSC-2025基准数据集要解决的问题。

HTSC-2025数据集专注于常压下的高温超导材料，这些材料都是基于BCS超导理论，由理论物理学家在2023年至2025年间预测发现的。这些材料包括著名的X?YH?系统、钙钛矿型MXH?系统、M?XH?系统、从LaH??结构演化而来的笼状BCN掺杂金属原子系统，以及从MgB?演化而来的二维蜂窝结构系统。选择这些系统的原因很简单：它们在常压下工作（不需要极端高压环境），且基于成熟的BCS理论，这意味着AI模型的预测结果可以通过密度泛函理论(DFT)计算相对快速地验证。

如何构建这样一个基准数据集？研究团队首先广泛调研了理论预测的超导体文献，筛选出了自2024年以来发现的、在常压下表现出高温超导性的材料。随后，他们通过专家手动构建、自动脚本替换以及直接与原作者邮件联系等多种方式，系统地收集了这些材料的晶体结构信息（CIF文件）和对应的理论预测超导转变温度。最终，他们将这些材料分类为不同的晶体系统，建立了一个结构化的框架，为后续AI性能评估奠定基础。

这个基准数据集的价值在于它能提供一个公平的"赛道"，让各种AI模型在相同的数据上进行比较。使用HTSC-2025评估AI模型时，首先要确保训练数据集中严格排除这些材料，以防止数据泄露。然后，AI模型将晶体数据转换为图表示或其他结构化格式作为输入，随后预测材料的超导Tc。通过计算模型预测与DFT计算结果之间的平均绝对误差(MAE)，我们可以量化不同模型的预测性能。

更重要的是，HTSC-2025不仅仅是一个静态的数据集，它还提供了一个验证框架。对于AI推荐的候选超导体，研究人员可以通过第一性原理方法进行验证，包括晶体结构优化、声子谱分析和电子-声子耦合计算。这就像是给每个模型预测的"答案"提供了一个严格的"阅卷标准"。

让我们深入了解一下HTSC-2025数据集的内容。该数据集共包含140个样本，平均Tc为27.3K。超过一半的晶体表现出超过20K的Tc，突显了该数据集在评估相对高Tc值材料方面的重点。从元素分布来看，氢是最常见的元素，出现在79个化合物中，这强调了氢化物在实现高温超导性方面的显著潜力。

在这些材料系统中，X?YH?系统展现出最高的平均Tc（55.4K），其中Mg?IrH?的Tc高达160K。这一发现启发研究人员对X?YH?系统进行了更详细的研究，发现了许多超导Tc超过20K甚至达到70K的系统。这些结构的超导机制看起来相似：它们的电子结构在费米能级附近表现出范霍夫奇点，这可能有助于提高Tc。此外，氢的1s轨道对电子态密度的显著贡献使得费米能级附近的电子与高频声子模式之间能够形成强耦合，从而增强了整体电子-声子耦合强度。

受X?YH?化合物研究的启发，荧石型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过渡金属）也引起了相当大的关注。其中，Mg?OsH?的超导临界温度高达73K。它的能带结构显示有三个能带穿过费米能级，表明其金属特性。氢的电子态密度在费米能级附近均匀分布，有助于电子-声子耦合。此外，高频声子区域中氢原子对声子态密度的显著贡献进一步增强了这种耦合。

钙钛矿型MXH?系统也展现出令人印象深刻的超导性能。通过高通量计算，研究人员发现了SrAuH?（Tc = 132K）和SrZnH?（Tc = 107K）等材料，它们表现出异常高的超导转变温度，凸显了这类材料在实现高温超导性方面的巨大潜力。多个电子能带穿过费米能级，Au的5d轨道在费米能级附近做出显著贡献，形成了明显的范霍夫奇点，可能增强了费米能级处的态密度，从而促进超导性。

笼状氢化物如CaH?、YH?、CeH??和LaH??需要高压条件才能保持动力学稳定性，这限制了它们的合成和实际应用。然而，这些材料中观察到的常规超导机制启发物理学家探索在BCS型材料中实现高温超导的可能性。考虑到B和C是能够形成强共价键的最轻元素，以及客体金属原子的成分多样性，研究人员在用这些元素替代笼状氢化物结构中的氢方面取得了重大进展。

例如，六方笼状结构的XB?C化合物（X = Ca、Sr、Ba）表现出超导性，Tc分别为77.1K、64.4K和53.2K。第一性原理计算显示，这些材料具有金属基态，特征是多个能带穿过费米能级。费米能级附近平坦和弥散能带的共存导致增强的电子-声子耦合强度，为观察到的较高Tc值提供了机制。声子谱计算表明，电子-声子耦合主要集中在高频光学模式中。

通过在硼-氮笼中掺杂金属，研究人员获得了四种稳定的超导体M(BN)?（M = Na、Al、In、Tl），相应的Tc为8K、22K、15K和15K。其中，Al(BN)?的电子能带结构显示多个能带穿过费米能级，产生电子型和空穴型费米面。费米面处的电子态主要来源于B和N原子的p轨道，以及Al原子的p轨道，这有利于库珀对形成，增强电子-声子耦合。

除了上述材料系统外，研究人员还观察到基于物理直觉的高温超导体发现策略的进展，如空穴掺杂、引入轻元素形成强共价键以及调节自旋-轨道耦合。例如，(BN)?在本征状态下表现为绝缘体，但空穴掺杂导致费米能级向下移动，使sp?杂化的σ-键带金属化。这种电子转变伴随着高温超导性的出现，Tc达到96K。随着空穴浓度的增加，尽管整体电子结构基本保持不变，但中频光学声子模式与σ-电子之间产生强耦合，显著贡献于总电子-声子耦合。

在常压下，MgB?C?和空穴掺杂的NaBC表现出高温超导潜力。空穴浓度可以通过热脱嵌入方法调节。例如，NaBC中的低温钠脱嵌入有效抑制了BC层中缺陷的形成，保持了强电子-声子耦合。这些空穴掺杂材料表现出强电子-声子耦合强度（λ~0.95-1.32）和类似MgB?的特征双能隙超导行为，Tc值范围从43K到88K，其中最高值观察到于Na?/?BC。

基于MgB?的AlB?型结构设计的二维蜂窝结构KB?C?（Tc = 153K）通过引入碳原子形成强共价B-C σ键，实现了电子与高频面内声子振动之间的强耦合。其多能隙性质（σ和π态的共存）进一步促进了库珀对形成。双轴拉伸应变诱导声子模式软化，显著增强了电子-声子耦合常数λ，远超传统二维超导体。类似地，通过用B-C层替代MgB?的B-B表面层，二维材料Mg?B?C?表现出高温超导性，预测Tc估计在47-48K左右。

HTSC-2025基准数据集已在GitHub上开源（https://github.com/xqh19970407/HTSC-2025），并将持续更新。这一基准数据集对于加速使用基于AI的方法发现超导材料具有重要意义。它不仅提供了一个可重现和量化的基础来进行跨模型评估，还提供了物理上可解释的模板，以支持新型高温超导体的反向设计和发现。

随着科学理解的进步，研究团队希望未来能够将HTSC-2025扩展到非常规超导体领域。他们将继续扩展和更新该基准数据集，开发相关的AI算法，并在该基准上进行广泛评估，以促进高温超导体的发现。此外，他们还将探索基于物理直觉的方法，发现新的高温超导材料。

这项研究得到了中国国家自然科学基金（编号62476278、12434009和12204533）、国家重点研发计划（编号2024YFA1408601）以及量子科学与技术创新计划（编号2021ZD0302402）的资助。计算资源由中国人民大学高性能计算物理实验室提供。