HTSC-2025: AI駆動臨界温度予測のための常圧高温超伝導体ベンチマークデータセット

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

June 4, 2025

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

cs.AI

要旨

高温超伝導材料の発見は、人類の産業と日常生活にとって極めて重要な意義を有する。近年、人工知能（AI）を用いて超伝導転移温度を予測する研究が注目を集めており、これらのツールの多くは驚異的な精度を達成していると主張している。しかし、この分野では広く受け入れられたベンチマークデータセットが不足しており、異なるAIアルゴリズム間の公平な比較を著しく妨げ、これらの手法のさらなる進展を阻害している。本研究では、常圧下における高温超伝導ベンチマークデータセット「HTSC-2025」を提示する。この包括的なデータセットは、BCS超伝導理論に基づいて理論物理学者によって2023年から2025年に発見された理論的に予測された超伝導材料を網羅しており、著名なX_2YH_6系、ペロブスカイトMXH_3系、M_3XH_8系、LaH_{10}構造進化から派生したケージ状BCNドープ金属原子系、およびMgB_2から進化した二次元ハニカム構造系を含む。HTSC-2025ベンチマークはhttps://github.com/xqh19970407/HTSC-2025でオープンソース化されており、継続的に更新される予定である。このベンチマークは、AIベースの手法を用いた超伝導材料の発見を加速する上で極めて重要である。

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.