该研究论文介绍了一种新的机器学习框架，旨在从材料数据中提取预测模型，提高晶态和非晶材料属性的预测准确度。研究中自动提取了超导材料性能数据，建立了包含40324条记录的数据库SuperCon2，并提出了MatSci ML基准，以促进固态材料的多任务学习和模型评估，推动材料科学研究进展。