HTSC-2025: Um Conjunto de Dados de Referência de Supercondutores de Alta Temperatura em Pressão Ambiente para Predição de Temperatura Crítica Baseada em 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

Resumo

A descoberta de materiais supercondutores de alta temperatura possui grande importância para a indústria e a vida cotidiana humana. Nos últimos anos, pesquisas sobre a previsão de temperaturas de transição supercondutora utilizando inteligência artificial (IA) ganharam popularidade, com a maioria dessas ferramentas alegando alcançar precisão notável. No entanto, a falta de conjuntos de dados de referência amplamente aceitos nesse campo tem dificultado severamente comparações justas entre diferentes algoritmos de IA e impedido o avanço desses métodos. Neste trabalho, apresentamos o HTSC-2025, um conjunto de dados de referência para supercondutores de alta temperatura em pressão ambiente. Esta compilação abrangente engloba materiais supercondutores previstos teoricamente por físicos teóricos entre 2023 e 2025 com base na teoria da supercondutividade BCS, incluindo o renomado sistema X_2YH_6, o sistema perovskita MXH_3, o sistema M_3XH_8, sistemas atômicos metálicos dopados com BCN em estrutura de gaiola derivados da evolução estrutural do LaH_{10}, e sistemas bidimensionais com estrutura hexagonal derivados do MgB_2. O benchmark HTSC-2025 foi disponibilizado como código aberto em https://github.com/xqh19970407/HTSC-2025 e será continuamente atualizado. Este benchmark possui importância significativa para acelerar a descoberta de materiais supercondutores utilizando métodos baseados em 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.