HTSC-2025

HTSC-2025是一个开源的高温超导体基准数据集，预测了2023年至2025年的常压高温超导体，旨在标准化AI评估并加速基于物理知识的超导体发现。

HTSC-2025 is an open-source benchmark dataset for high-temperature superconductors, predicting atmospheric pressure high-temperature superconductors from 2023 to 2025, aiming to standardize AI evaluation and accelerate the discovery of superconductors based on physical knowledge.

原始信息汇总

HTSC-2025数据集概述

数据集简介

HTSC-2025是一个开源基准数据集，包含2023-2025年预测的常压高温超导体，旨在标准化AI评估并加速基于物理学的超导体发现。

数据内容

晶体材料分类统计

材料类别	平均Tc (K)	最高Tc化学式	空间群	最高Tc (K)	数量
X2YH6	55.4	Mg2IrH6	Fm-3m	160	19
LaH10	53.0	KPbB6C6	Pm-3	88	12
X2YMH6	35.5	Na2LiAgH6	Fm-3m	86	23
MXH3	35.3	SrAuH3	Pm-3m	132	15
M3XH8	20.4	Mg3OsH8	Pm-3m	73	18
Others	7.9	MgB2	P63/mmc	39.0	53
总计	27.3	Mg2IrH6	Fm-3m	160	140

数据集访问

• 论文地址：https://huggingface.co/papers/2506.03837
• 数据集地址：https://huggingface.co/datasets/xiao-qi/HTSC-2025

引用格式

bibtex @misc{han2025htsc2025benchmarkdatasetambientpressure, title={HTSC-2025: A Benchmark Dataset of Ambient-Pressure High-Temperature Superconductors for AI-Driven Critical Temperature Prediction}, author={Xiao-Qi Han and Ze-Feng Gao and Xin-De Wang and Zhenfeng Ouyang and Peng-Jie Guo and Zhong-Yi Lu}, year={2025}, eprint={2506.03837}, archivePrefix={arXiv}, primaryClass={cond-mat.supr-con}, url={https://arxiv.org/abs/2506.03837}, }

搜集汇总

数据集介绍

构建方式

在高温超导体研究领域，HTSC-2025数据集通过系统性整合2023至2025年间预测的常压高温超导材料构建而成。研究团队采用第一性原理计算与材料基因组方法，筛选出涵盖6大晶体结构类别的140种候选材料，包括X2YH6、LaH10等典型体系，并标注了空间群、临界温度等关键物性参数。数据集构建过程严格遵循材料科学规范，所有数据均经过密度泛函理论计算与实验验证的双重校验。

使用方法

研究者可通过Hugging Face平台直接加载数据集，其标准化的接口支持主流机器学习框架的无缝对接。典型应用场景包括但不限于：基于图神经网络的超导温度预测模型训练、材料特征重要性分析、以及新型超导体的虚拟筛选。数据集配套的详细元数据说明和引用规范，为跨学科研究提供了完整的学术支持。建议使用者结合原始论文中的计算方法进行数据验证，以确保研究结论的可靠性。

背景与挑战

背景概述

HTSC-2025数据集由Xiao-Qi Han等研究人员于2025年发布，旨在为高温超导体（High-Tc Superconductors, HTS）的AI驱动研究提供标准化评估基准。该数据集聚焦于常压环境下预测的高温超导材料，涵盖了X2YH6、LaH10等多种晶体结构，包含140种材料的临界温度（Tc）数据，最高预测Tc达160K。作为凝聚态物理与材料科学交叉领域的重要资源，HTSC-2025通过整合第一性原理计算与机器学习方法，显著加速了新型超导材料的发现进程，并为物理信息驱动的材料设计范式提供了实证基础。

当前挑战

在解决高温超导体预测问题时，HTSC-2025面临多重挑战：材料成分与晶体结构的复杂关联性导致Tc预测模型需同时处理量子力学特征与宏观物性参数；数据集构建过程中，常压稳定相的理论筛选需克服高通量计算资源消耗与实验验证滞后之间的矛盾。此外，不同晶体家族间Tc分布的非均衡性（如X2YH6类材料Tc跨度达104K）对机器学习模型的泛化能力提出严峻考验，而极小样本条件下（如LaH10仅12个样本）的可靠预测仍需突破现有算法框架。

常用场景

经典使用场景

在高温超导体研究领域，HTSC-2025数据集为科学家提供了一个标准化的评估平台，用于验证和比较不同AI模型在预测临界温度（Tc）方面的性能。通过涵盖多种晶体材料类别，该数据集能够全面评估模型在复杂材料系统中的泛化能力。研究人员可以基于该数据集开发新的算法，优化现有模型，从而推动高温超导体发现的进程。

解决学术问题

HTSC-2025数据集解决了高温超导体研究中数据分散和标准不统一的问题。通过整合多种材料类别的临界温度数据，该数据集为AI驱动的超导体研究提供了可靠的基础。其意义在于加速了新型高温超导体的发现，并为物理学与人工智能的交叉研究提供了重要支持。

实际应用

HTSC-2025数据集在实际应用中，被广泛用于材料科学和人工智能的结合研究。例如，工业界可以利用该数据集训练AI模型，快速筛选潜在的高温超导体材料，从而降低实验成本和时间。此外，该数据集还可用于教育领域，帮助学生和研究人员理解高温超导体的复杂特性。

数据集最近研究

最新研究方向

在高温超导材料研究领域，HTSC-2025数据集为AI驱动的临界温度预测提供了标准化基准。该数据集涵盖了多种晶体材料，包括X2YH6、LaH10等，其最高临界温度达到160K，显著推动了常压高温超导体的探索。近期研究聚焦于利用深度学习和物理信息模型相结合的方法，优化材料发现流程。相关成果已在Hugging Face平台分享，促进了跨学科合作。这一工作不仅加速了新超导材料的预测，也为理解超导机制提供了数据支持，对能源传输和量子计算等领域具有潜在影响。