AI urychluje hledání supravodičů: Nová metoda objevila dva materiály a slibuje tisíce dalších

Mezinárodní tým vědců, vedený výzkumníky z Aalto University, objevil dva nové supravodiče pomocí metody kombinující strojové učení s výpočty kvantové fyziky.

Mezinárodní tým vědců, vedený výzkumníky z Aalto University, objevil dva nové supravodiče pomocí metody kombinující strojové učení s výpočty kvantové fyziky. Tento přístup výrazně zkracuje čas potřebný k prohledávání obrovského množství možných kombinací materiálů a demonstruje rychlejší cestu k identifikaci látek, které by jednoho dne mohly umožnit supravodivost při pokojové teplotě. Nově objevené materiály, YRu3B2 a LuRu3B2, odvozují své supravodivé vlastnosti od elektronů uspořádaných v takzvané kagome mřížce, geometrickém vzoru inspirovaném tradičním japonským pletením košů.

Supravodiče dokážou vést elektřinu s nulovým odporem, avšak pouze při extrémně nízkých teplotách. Již nyní se využívají v technologiích, jako jsou kvantové počítače, MRI skenery, fúzní reaktory a maglev vlaky. Vědci dlouhodobě hledají materiály, které by si zachovaly supravodivost při pokojové teplotě, což by představovalo průlom, který by mohl zásadně proměnit přenos energie a výpočetní techniku. Podle profesorky Päivi Törmä z Aalto University by takový materiál mohl nahradit běžné vodiče v aplikacích, jako jsou počítače a datová centra, což by výrazně snížilo globální spotřebu energie a tepelnou stopu ICT sektoru.

Nový pracovní postup řeší jednu z největších výzev ve výzkumu supravodičů: ohromné množství možných kombinací materiálů. Po tom, co strojové učení identifikovalo slibné kandidáty, vědci je ověřili teoretickými výpočty, než byly materiály syntetizovány a experimentálně potvrzeny. Tento objev je součástí konsorcia SuperC, mezinárodní spolupráce zahájené v roce 2023 s cílem objevit supravodič pro pokojovou teplotu do roku 2033. Po výpočetním screeningu spolupracovníci na Rice University syntetizovali kandidátské materiály do reálných vzorků a experimentální tým následně potvrdil, že obě sloučeniny vykazují supravodivost, což je důkazem funkčnosti procesu objevu řízeného strojovým učením.

Po celá desetiletí se vědci spoléhali převážně na metodu pokusu a omylu při objevování supravodivých materiálů. Profesorka Törmä vysvětluje, že ačkoli bylo v průběhu desetiletí rozpoznáno přes 7 000 supravodičů, většinou to bylo náhodně. Proces identifikace možných materiálů je totiž tak výpočetně náročný, že vědci byli schopni teoreticky předpovědět životaschopnost pouze asi 20 z nich. Nový přístup, který využívá předběžný screening založený na strojovém učení následovaný cílenými výpočty u slibných kandidátů, výrazně urychlí objevování supravodičů v budoucnu. S pomocí strojového učení by se počet materiálů, které lze zpracovat, mohl posunout do miliard, což přiblíží nalezení supravodiče pro pokojovou teplotu. Strojové učení zde funguje jako filtr, který umožňuje výzkumníkům soustředit výpočetní zdroje na nejslibnější kandidáty, a tým věří, že tento přístup by mohl odhalit tisíce nových supravodičů a urychlit hledání materiálů vhodných pro rozsáhlé energetické a výpočetní aplikace. Studie byla publikována v časopise Physical Review Research.