综述：超导材料发现的机器学习方法：从数据驱动洞察到加速设计

《ACS Omega》：Machine Learning for Superconductor Discovery: From Data-Driven Insights to Accelerated Design

　　

超导材料因零电阻与完全抗磁性，在电磁应用中具有重要地位，临界转变温度（Tc）是决定其实际应用的关键参数。然而，实验观测与理论计算面临试错周期长、缺乏统一理论框架等挑战。数据驱动的科研范式已将机器学习（ML）发展为超导研究的重要工具，可实现数据关联分析、候选筛选及Tc预测。本综述系统梳理了机器学习在超导研究中的最新进展，聚焦于Tc预测、潜在超导候选探索及先进算法应用，同时强调了机器学习结果的实验与理论验证。文中介绍了超导材料的特征及其数据表示方法，涵盖实验与计算生成的数据集。进一步总结了由机器学习驱动的逆设计策略，展示了其在发现新型高温超导体方面的潜力。最后，讨论了数据稀缺、模型泛化性有限及跨尺度预测能力不足等挑战，并提出了推动机器学习驱动超导研究的未来发展方向。

1. 1.
   Introduction
   超导材料（SCs）以零电阻与完全抗磁性为特征，本质上是材料中电子的宏观量子凝聚态。1911年，海克·卡末林·昂内斯首次在极低温汞中发现超导现象。百余年来，超导研究始终是凝聚态物理的核心方向之一，T_c则是决定其实际应用价值的关键因素。当前超导研发主要依赖实验观测、理论计算与模拟三大范式，但均面临实验试错成本高、缺乏统一理论指导等问题。随着数据驱动的第四科研范式兴起与材料信息学发展，基于属性挖掘超导数据关联的机器学习方法成为新方向，旨在识别新型超导体并预测T_c，但仍受限于复杂机制、数据稀缺与噪声及跨材料族外推能力弱等挑战。因此，高效机器学习模型需在数据拟合之外融入物理洞察以保证发现的可靠性。第四科研范式依托海量科学数据积累，机器学习作为人工智能的重要分支，已在自然语言处理、自动驾驶等领域广泛应用，并逐渐渗透至新材料设计，如钙钛矿、电催化剂、热电材料及聚合物等领域的成功案例表明，其可显著提升新材料研发效率与精度。在超导研究中，数据驱动结合机器学习为突破传统瓶颈提供了新路径：通过构建超导数据集、提取领域知识生成描述符，建立成分与T_c的高精度预测模型，并结合密度泛函理论（DFT）与实验验证实现大规模候选筛选。本综述提出融合超导数据库、特征工程、机器学习模型与实验理论验证的新范式，强调电子结构、晶格效应及数据局限性对模型性能的影响，指出需发展物理知情的机器学习方法以实现稳健可迁移的超导设计。
2. 2.
   Superconductors Database
   高质量数据集是机器学习加速超导设计的基础。现有数据库可分为化学式超导数据库、晶体结构超导数据库及超导理论参数数据库三类。化学式数据库以日本国立材料科学研究所维护的SuperCon为代表，包含氧化物、金属及有机超导体的化学式与实验T_c，但因数据清洗标准差异，不同研究收录条目数从1.3万至2.1万不等。该数据库以铜基、铁基超导体为主，分布不均易导致模型学习家族相关性而非普适物理机制，表现为训练-测试集中相似掺杂化合物的存在会虚高预测精度，限制跨化学空间的外推能力。晶体结构数据库通过将SuperCon与无机晶体结构数据库（ICSD）匹配获得，如包含5713条记录的超导晶体数据集，以及基于Materials Project（MP）与ICSD构建的三维晶体结构数据库（3DSC）。但掺杂超导体的真实结构常难以解析，多采用母体相近似，导致结构数据与实际物理状态存在偏差，限制了结构感知模型的优势发挥。其他参数数据库则针对高压氢化物超导体及理论计算参数，如Hutcheon等构建的二元氢化物T_c数据库、Choudhary等基于JARVIS-DFT建立的二维材料电子-声子耦合参数库等。针对数据局限，建议推行标准化元数据报告、压力与掺杂标注、去重与数据管理协议、测量溯源追踪及结构数据标准化等社区实践，以提升数据集质量与模型泛化性。
3. 3.
   Superconductor Featurization
   描述符是连接材料特征与超导行为的核心。元素特征通过化学计量比、元素属性统计（如周期表位置、原子半径、熔点等）、电子结构属性（s/p/d/f电子占比）及离子化合物特征四类指标表征成分特性，Magpie等工具可自动生成此类描述符，其与T_c的相关性分析已揭示平均共价半径、未填充轨道数等对T_c的影响规律。晶体结构特征需将原子坐标与空间群转化为固定长度描述符，常用方法包括Dscribe软件包中的库仑矩阵、MBTR、SOAP等，以及可直接从晶体连接关系学习的晶体图卷积神经网络（CGCNN）与原子线图神经网络（ALIGNN），后者通过引入键角信息将T_c预测R²提升至0.962。其他特征则结合BCS理论、Eliashberg理论等物理框架，如电子-声子耦合强度、德拜温度、费米能级态密度等，Lee等通过DFT计算与机器学习识别出顶氧巴德电荷、顶氧键强等为铜基超导体T_c的关键特征。描述符选择需平衡物理动机与数据相关性，结构描述符虽具物理意义，但在结构数据不确定时会受限，未来需发展更鲁棒的特征表示方法。
4. 4.
   ML Model Accelerating Potential Discovery of SCs
   回归模型是T_c预测的主流工具。随机森林（RF）、梯度提升决策树（GBDT）等传统模型在SuperCon数据集上R²可达0.92以上，集成学习与深度学习模型进一步提升性能，如Zhang等的混合模型R²达0.959，Konno等提出的“解读周期表”深度学习方法仅用成分信息即实现0.92的R²。针对氢化物超导体，机器学习模型可有效筛选高压下稳定金属相并预测T_c，如Hutcheon等的工作指导了接近常压超导氢化物的发现，Wines等利用ALIGNN模型实现氢化物的结构弛豫与T_c预测，平均绝对误差仅12 K。铜基超导体的T_c预测则通过引入CuO₂面相关特征，将RMSE降至3.705 K。分类模型主要用于区分超导材料类别或判断T_c阈值，如Stanev等用RF实现92%的分类准确率，Smith等通过线性判别分析实现铜基、铁基等超导体家族的精准分类。除T_c外，机器学习还可预测密度、德拜温度、电子-声子耦合常数等理论参数，降低DFT计算成本。需注意随机划分训练-测试集可能高估模型外推能力，建议采用家族分离划分、明确分布外测试及不确定性量化等评估策略。
5. 5.
   Inverse Design and Validation
   正向预测受限于现有数据库规模，逆设计则通过生成目标属性材料突破这一限制。变分自编码器（VAE）、生成对抗网络（GAN）与扩散模型是主流生成模型，分别通过潜空间分布学习、对抗博弈与噪声扩散过程实现新材料设计。在超导领域，CVAEGAN模型可生成预测T_c高于77 K的新型超导体，Supercon-Diffusion与SuperDiff等扩散模型相比早期模型，有效超导生成率提升10倍以上，晶体扩散变分自编码器（CDVAE）则可直接生成晶体结构，但受限于结构数据量，生成的超导体T_c偏低。逆设计需结合电荷中性、热力学稳定性等约束，并通过DFT与实验验证形成闭环。实验验证方面，Pereti等通过机器学习筛选并实验确认Pd₂NiTe₂的超导转变温度为1.06 K；DFT验证中，Wines等结合机器学习与DFT筛选出122种动态稳定的高压氢化物，Sanna等通过机器学习从百万级化合物库中发现了Mg₂XH₆（X=Rh, Ir, Pd, Pt）系列高温常规超导体，其电子结构特征与理论预测一致。
6. 6.
   Conclusion and Perspectives
   机器学习在超导设计中已取得显著进展，但仍面临数据稀缺、物理机制捕捉不足、模型可解释性弱等挑战。未来需从五方面推进：一是数据集扩展与标准化，建立化学分离划分、压力感知预测目标的基准数据集；二是算法融合，发展多任务学习、生成模型与逆设计的集成框架；三是提升模型可解释性，通过特征归因技术揭示成分-结构-T_c的物理关联；四是领域知识融入特征工程，结合电子结构、晶格动力学等物理描述符与自动特征提取方法；五是强化实验验证，将物理约束与不确定性驱动筛选纳入工作流，优化实验资源分配。超导材料在能源存储、量子计算等领域应用前景广阔，机器学习与超导研究的深度融合将加速计算科学与材料科学的共同进步。