Machine learning of superconducting critical temperature from Eliashberg theory

Abstract The Eliashberg theory of superconductivity accounts for the fundamental physics of conventional superconductors, including the retardation of the interaction and the Coulomb pseudopotential, to predict the critical temperature T c. McMillan, Allen, and Dynes derived approximate closed-form...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	S. R. Xie, Y. Quan, A. C. Hire, B. Deng, J. M. DeStefano, I. Salinas, U. S. Shah, L. Fanfarillo, J. Lim, J. Kim, G. R. Stewart, J. J. Hamlin, P. J. Hirschfeld, R. G. Hennig
Format:	Artigo
Język:	Inglês
Wydane:	Nature Portfolio 2022-01-01
Seria:	npj Computational Materials
Dostęp online:	https://doi.org/10.1038/s41524-021-00666-7
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!