腾讯会议：464-294-298

报告摘要：
超导材料的超导转变温度（Tc）与其电子能带结构密切相关，但长期以来缺乏系统化的高质量能带数据库，限制了数据驱动方法在超导研究中的应用。本报告首先介绍我们构建的SuperBand数据库，一个专注于超导体的电子能带与费米面结构数据库。该数据库整合了6,780种实验确认的超导材料以及1,780种实验验证的非超导材料。通过对无序结构的有序化处理、掺杂体系的超胞扩展及能带数据的标准化，SuperBand提供了统一的能带结构、态密度和费米面数据，可直接用于机器学习建模。在此基础上，我们发展了DeeperBand，一个基于Transformer的深度学习模型，以尝试从三维电子能带结构预测Tc。模型采用对称性保持的数据增强策略，在测试当中得到了很高的精确度，并在26种训练后新发现的超导体上验证了泛化能力。我们也尝试用神经网络中的注意力机制寻找与超导密切相关的能带特征，并筛选了多个可能具备较高Tc的候选材料。本工作展示了大型电子能带数据库与深度学习融合在超导研究中的巨大潜力。

报告人简介：
李军，博士。于2015年在中国科学院物理研究所获得理学博士学位，后于2018年在中山大学物理学院担任专职副研究员。在2020年就职于燕山大学理学院并开展独立研究工作。主要研究兴趣包括经典与量子系统的磁性动力学算法开发，第一性原理计算与超导理论研究，以及人工智能与凝聚态物理的交叉探索等。

邀 请 人：王志俊  研究员

联 系 人：杨翠   cuiyang@iphy.ac.cn