ИИ ускоряет поиск сверхпроводников, работающих при комнатной температуре

Искусственный интеллект помогает ученым в поиске сверхпроводников — материалов, проводящих электричество без сопротивления. Международная группа исследователей продемонстрировала, что машинное обучение способно быстро отсеивать огромное количество возможных комбинаций элементов, оставляя лишь самые перспективные кандидаты.

Сверхпроводники уже используются в квантовых компьютерах, медицинских нейровизуализаторах, термоядерных реакторах и поездах на магнитной подушке. Однако все известные материалы требуют экстремального охлаждения, что ограничивает их применение. Ученые по всему миру ищут сверхпроводник, работающий при комнатной температуре.

«Сверхпроводящие материалы, работающие при комнатной температуре, навсегда изменят то, как мы потребляем энергию, — объясняет профессор Пяйви Тёрма из Университета Аалто, возглавляющая консорциум SuperC. — Если такой материал сможет заменить обычные проводники в компьютерах и дата-центрах, глобальное потребление энергии может резко сократиться, а тепловой след ИТ-сектора значительно уменьшится».

Консорциум SuperC, основанный в 2023 году, ставит амбициозную цель — найти комнатно-температурный сверхпроводник к 2033 году. В своей последней работе команда объединила квантовую геометрию с машинным обучением, что позволило идентифицировать два новых сверхпроводника: YRu₃B₂ и LuRu₃B₂. Их свойства обусловлены электронами, формирующими плоские зоны в решетке кагомэ — геометрической структуре, вдохновленной традиционным японским плетением корзин.

Исследователи сначала использовали машинное обучение для быстрого скрининга огромного числа возможных комбинаций элементов. Специализированный алгоритм отобрал наиболее перспективных кандидатов, которые затем были проанализированы с помощью детальных квантовых расчетов. После теоретического подтверждения коллеги из Университета Райса синтезировали материалы и экспериментально подтвердили их сверхпроводимость.

«За десятилетия исследователи обнаружили более 7000 сверхпроводников, но в основном случайно, — отмечает Тёрма. — Процесс выявления возможных материалов настолько ресурсоемок, что ученые смогли теоретически предсказать жизнеспособность лишь около 20 из них».

Новый подход, основанный на ИИ, меняет этот процесс, фокусируя детальные расчеты только на самых перспективных кандидатах. «Наш метод использует предварительный отбор на основе машинного обучения с последующими целенаправленными расчетами. Это значительно ускорит открытие сверхпроводников в будущем. С помощью машинного обучения мы сможем обрабатывать до миллиардов материалов», — добавляет Тёрма.

Исследование опубликовано в журнале Physical Review Research.