HTSC-2025: Un Dataset di Riferimento per Superconduttori ad Alta Temperatura in Condizioni Ambientali per la Predizione della Temperatura Critica Basata sull'Intelligenza Artificiale

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

June 4, 2025

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

cs.AI

Abstract

La scoperta di materiali superconduttori ad alta temperatura riveste una grande importanza per l'industria e la vita quotidiana dell'umanità. Negli ultimi anni, la ricerca sull'uso dell'intelligenza artificiale (AI) per prevedere le temperature di transizione superconduttiva ha guadagnato popolarità, con la maggior parte di questi strumenti che affermano di raggiungere una precisione notevole. Tuttavia, la mancanza di dataset di riferimento ampiamente accettati in questo campo ha ostacolato gravemente confronti equi tra diversi algoritmi di AI e ha impedito ulteriori progressi di questi metodi. In questo lavoro, presentiamo HTSC-2025, un dataset di riferimento per superconduttori ad alta temperatura a pressione ambiente. Questa raccolta completa comprende materiali superconduttori previsti teoricamente scoperti da fisici teorici dal 2023 al 2025 basati sulla teoria della superconduttività BCS, inclusi il rinomato sistema X_2YH_6, il sistema perovskite MXH_3, il sistema M_3XH_8, sistemi atomici metallici drogati con BCN a struttura a gabbia derivati dall'evoluzione strutturale di LaH_{10}, e sistemi a struttura a nido d'ape bidimensionali evoluti da MgB_2. Il benchmark HTSC-2025 è stato reso open-source all'indirizzo https://github.com/xqh19970407/HTSC-2025 e sarà continuamente aggiornato. Questo benchmark riveste un'importanza significativa per accelerare la scoperta di materiali superconduttori utilizzando metodi basati sull'AI.

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.