机器学习：预测氢化物常压高温超导

本文探讨了氢化物在常压下实现高温超导的可能性，提出了一组Mg2XH6（X = Rh, Ir, Pd, Pt）形式的氢化物超导体，预测其超导转变温度可达45-80K。通过机器学习加速的高通量工作流程，研究了超过一百万种化合物，确定了这一化合物家族。这些化合物由孤立的XH6八面体组成，通过贵金属使金属X原子的高配位得以实现，显示出较高的稳定性和实验合成潜力。此外，这些材料在费米能级附近存在明显的van Hove奇点，对电荷掺杂非常敏感，表明其与典型的声子超导体不同，实验合成需高度关注样品质量。