HTSC-2025: Un Conjunto de Datos de Referencia de Superconductores de Alta Temperatura a Presión Ambiental para la Predicción de Temperatura Crítica Basada en IA

HTSC-2025: A Benchmark Dataset of Ambient-Pressure High-Temperature Superconductors for AI-Driven Critical Temperature Prediction

June 4, 2025

Autores: Xiao-Qi Han, Ze-Feng Gao, Xin-De Wang, Zhenfeng Ouyang, Peng-Jie Guo, Zhong-Yi Lu

cs.AI

Resumen

El descubrimiento de materiales superconductores de alta temperatura tiene una gran importancia para la industria y la vida cotidiana humana. En los últimos años, la investigación sobre la predicción de temperaturas de transición superconductora utilizando inteligencia artificial (IA) ha ganado popularidad, y la mayoría de estas herramientas afirman alcanzar una precisión notable. Sin embargo, la falta de conjuntos de datos de referencia ampliamente aceptados en este campo ha obstaculizado gravemente las comparaciones justas entre diferentes algoritmos de IA y ha impedido el avance de estos métodos. En este trabajo, presentamos el HTSC-2025, un conjunto de datos de referencia de superconductores de alta temperatura a presión ambiente. Esta compilación integral abarca materiales superconductores predichos teóricamente por físicos teóricos entre 2023 y 2025 basados en la teoría de superconductividad BCS, incluyendo el famoso sistema X_2YH_6, el sistema de perovskita MXH_3, el sistema M_3XH_8, sistemas atómicos metálicos dopados con BCN de estructura tipo jaula derivados de la evolución estructural de LaH_{10}, y sistemas bidimensionales de estructura hexagonal derivados de MgB_2. El conjunto de referencia HTSC-2025 ha sido publicado en código abierto en https://github.com/xqh19970407/HTSC-2025 y se actualizará continuamente. Este conjunto de referencia tiene una importancia significativa para acelerar el descubrimiento de materiales superconductores utilizando métodos basados en IA.

English

The discovery of high-temperature superconducting materials holds great significance for human industry and daily life. In recent years, research on predicting superconducting transition temperatures using artificial intelligence~(AI) has gained popularity, with most of these tools claiming to achieve remarkable accuracy. However, the lack of widely accepted benchmark datasets in this field has severely hindered fair comparisons between different AI algorithms and impeded further advancement of these methods. In this work, we present the HTSC-2025, an ambient-pressure high-temperature superconducting benchmark dataset. This comprehensive compilation encompasses theoretically predicted superconducting materials discovered by theoretical physicists from 2023 to 2025 based on BCS superconductivity theory, including the renowned X_2YH_6 system, perovskite MXH_3 system, M_3XH_8 system, cage-like BCN-doped metal atomic systems derived from LaH_{10} structural evolution, and two-dimensional honeycomb-structured systems evolving from MgB_2. The HTSC-2025 benchmark has been open-sourced at https://github.com/xqh19970407/HTSC-2025 and will be continuously updated. This benchmark holds significant importance for accelerating the discovery of superconducting materials using AI-based methods.