研究人員利用基於機器學習的篩選方法發現了兩種新型超導體，展示了一種更快速識別未來可能實現室温超導材料的途徑。這個國際團隊由 Aalto 大學的研究人員領導，將機器學習與量子物理計算相結合，識別出兩種此前未知的超導體 YRu3B2 和 LuRu3B2。這種方法顯著縮短了搜索大量可能材料組合所需的時間。超導體能以零電阻傳導電流，但僅在極低温下才能實現。它們目前已用於量子計算機、MRI 掃描儀、核融合反應堆和磁懸浮列車等技術中。
科學家們長期以來一直在尋找能在室温下保持超導性的材料，這一突破可能會改變電力傳輸和計算的方式。
新型超導體的發現將推動能源技術的革新
新發現的材料其超導特性來自於電子在一種名為 kagome 格子的排列，這是一種受日本傳統籃子編織啟發的幾何圖案。在機器學習識別出有前景的候選材料之後，研究人員通過理論計算進行驗證，隨後合成並實驗確認這些材料的存在。根據研究人員的説法，新的工作流程解決了超導體研究中最大的挑戰之一：大量可能的材料組合。“能在室温下運行的超導材料將徹底改變我們的能源消耗方式，”Aalto 大學教授 Päivi Törmä解釋道。
“如果這樣的材料能替代計算機和數據中心中的常規導體，全球能源消耗將大幅降低，資訊通信技術領域的熱足跡將大大減少。”這項工作是 SuperC 聯盟的一部分，該國際合作項目於 2023 年啟動，目標是在 2033 年前發現一種室温超導體。
在計算篩選之後，來自萊斯大學的合作夥伴將候選材料合成為真實樣本。實驗團隊隨後確認這兩種化合物皆展現出超導性，證明瞭機器學習指導的發現過程是有效的。數十年來，科學家主要依賴試錯法來發現超導材料。“在這幾十年中，研究人員已經識別出超過 7,000 種超導體，但大多是偶然的，”Törmä解釋道。“識別可能材料的過程計算量非常龐大，實際上研究人員只能理論預測約 20 種的可行性。
”研究人員表示，他們的方法可以大幅擴大可評估的材料數量。“我們的方法使用基於機器學習的預篩選，然後對有前景的候選者進行針對性計算。這種方法將在未來大大加速超導體的發現。通過機器學習，我們或許能將可處理的材料數量推向數十億，”Törmä説。“這將使我們更接近於找到室温超導體。”
這一機器學習系統並非取代傳統的物理計算，而是作為過濾器，讓研究人員能夠將計算資源集中在最有前景的候選材料上。團隊相信，這一方法將能解鎖數千種新型超導體，加速尋找適合大規模能源和計算應用的材料。該研究發表於《Physical Review Research》。