科幻电影《阿凡达》中悬浮的哈利路亚山因超导矿石而闻名。2023年，韩国团队声称发现室温超导材料LK-99，后被证实为误报，但激发了对超导材料的研究热情。美国研究团队利用深度学习模型BETE-NET，提高了超导材料的预测效率，为未来科技创新奠定基础。

本文提出了一种基于Grobid-superconductors的自动提取超导材料及性能的方法，建立了包含40324条记录的SuperCon2数据库。研究利用人工智能和深度学习模型提升超导材料的预测精度，发现新型交替磁性材料，并探讨数据偏差对模型的影响，推动高温超导体的发现，展示了机器学习在材料科学中的应用潜力。

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。

四项研究揭示了LK-99是一种新型超导材料，具有有趣的电子特性和不同的超导机制。材料可能具有一维传导路径，但不是完美的磁悬浮器。其他金属可能改善LK-99的性能。TK-99在保持超导特性的同时对无序性更为稳定，铜和氧电子轨道的重叠可能解释这种情况。最引人注目的是在没有超导性的情况下出现二磁性。这些研究为研究室温和环境压力下的超导体提供了新思路。