全面采样传统超导材料的整个材料空间
摘要：运用机器学习加速高通量工作流程，我们对传统超导材料进行了大规模研究。首先，我们创建了一个包含大约7000个电子-声子计算的综合数据集，并使用合理的收敛参数进行计算。然后我们使用这个数据集训练了一个强大的机器学习模型，能够基于结构、组成和电子基态性质预测电子-声子和超导性质。使用这个模型，我们评估了大约20万个金属化合物的临界温度(Tc)，这些化合物都处于热力学稳定性凸包上（或接近凸包），以最大化合成的可能性。预测的Tc值超过5 K的化合物还使用了密度泛函微扰理论进行验证。结果，我们确定了545个Tc值超过10 K的化合物，涵盖了各种晶体结构和化学成分。这项研究还详细研究了几种有趣的材料，包括氮化物、氢化物和金属间化合物。特别值得注意的是LiMoN2，在化学计量比的三角晶相中，我们预测其超导温度Tc超过38 K。LiMoN2以前就已经在这个相中合成过，进一步增强了其实际应用潜力。
作者：Tiago F. T. Cerqueira, Antonio Sanna, Miguel A. L. Marques
论文ID：2307.10728
分类：Superconductivity
分类简称：cond-mat.supr-con
提交时间：2023-07-21