使用图神经网络预测超导体的转变温度
摘要：预测高温超导体一直是一项巨大的挑战。困难在于如何预测超导体的转变温度（Tc）。尽管最近在材料信息学方面取得了一些进展，提出了一些机器学习模型来预测Tc，但目前的模型还没有展现出足够的泛化能力和物理合理性来发现新的高温超导体。在本研究中，我们开发了一种敏感于化学键的图神经网络（BSGNN）来预测各种超导体的Tc。在BSGNN中，我们利用了传递信息和图注意力的方法来增强模型处理晶体格的键合和相互作用信息的能力，这对超导性至关重要。因此，我们的结果揭示了化学键属性与Tc之间的相关性。短键长对高Tc有利。同时，一些具有相对较大范德华半径的特定化学元素对高Tc有利。这为在材料数据库中寻找高温超导体提供了方便的指导，通过排除那些永远不可能具有高Tc的材料。
作者：Liang Gu, Yang Liu, Pin Chen, Haiyou Huang, Ning Chen, Yang Li, Yutong Lu and Yanjing Su
论文ID：2308.11160
分类：Superconductivity
分类简称：cond-mat.supr-con
提交时间：2023-08-25