Международная группа исследователей разработала новый метод поиска сверхпроводящих материалов, основанный на сочетании машинного обучения и квантово-физических расчётов. Используя этот подход, учёные обнаружили два ранее неизвестных сверхпроводника — YRu3B2 и LuRu3B2. По словам авторов работы, новая методика позволяет значительно сократить время, необходимое для поиска перспективных материалов среди огромного количества возможных химических комбинаций.
Сверхпроводники способны проводить электрический ток без какого-либо сопротивления, однако сегодня большинство таких материалов сохраняют свои уникальные свойства только при крайне низких температурах. Несмотря на это, они уже широко применяются в квантовых компьютерах, магнитно-резонансных томографах, термоядерных реакторах и поездах на магнитной подушке. Одной из главных целей современной физики остаётся создание сверхпроводника, способного работать при комнатной температуре, поскольку подобное открытие может кардинально изменить системы передачи электроэнергии и вычислительные технологии.
Исследование возглавили специалисты Университета Аалто. Новые материалы получили свои сверхпроводящие свойства благодаря особому расположению электронов в так называемой кагомэ-решетке — геометрической структуре, вдохновлённой традиционным японским плетением корзин. После того как алгоритмы машинного обучения определили наиболее перспективные соединения, учёные подтвердили их потенциальные свойства с помощью теоретических расчётов, а затем синтезировали материалы и экспериментально доказали наличие у них сверхпроводимости.
По словам исследователей, новая схема работы помогает решить одну из самых серьёзных проблем в области поиска сверхпроводников — практически бесконечное число возможных комбинаций химических элементов.
Профессор Университета Аалто Пяйви Тёрмя отметила, что сверхпроводящие материалы, способные работать при комнатной температуре, навсегда изменят способы потребления энергии. По ее словам, если такие материалы смогут заменить обычные проводники, например в компьютерах и центрах обработки данных, это позволит существенно сократить мировое энергопотребление и значительно уменьшить объем тепла, выделяемого информационно-коммуникационными технологиями.
Работа проводится в рамках международного консорциума SuperC, созданного в 2023 году. Его главная цель — обнаружить сверхпроводник, сохраняющий свои свойства при комнатной температуре, к 2033 году.
После завершения вычислительного этапа специалисты из Университета Райса синтезировали предложенные соединения в лаборатории. Экспериментальная группа подтвердила, что оба материала действительно обладают сверхпроводящими свойствами, тем самым доказав эффективность нового подхода, основанного на использовании машинного обучения.
На протяжении десятилетий большинство сверхпроводников удавалось обнаруживать практически случайно. Как пояснила Пяйви Тёрмя, за это время учёные открыли более 7000 сверхпроводящих материалов, однако лишь около двадцати из них были заранее предсказаны с помощью теоретических вычислений, поскольку подобные расчёты требуют огромных вычислительных ресурсов.
Авторы исследования считают, что предложенный ими метод способен кардинально изменить ситуацию. Система использует машинное обучение для предварительного отбора наиболее перспективных материалов, после чего детальные квантово-физические расчёты выполняются только для лучших кандидатов. Такой подход значительно ускоряет процесс поиска. По словам Тёрмя, благодаря машинному обучению число материалов, которые можно будет проанализировать, может увеличиться до миллиардов, что приблизит учёных к созданию сверхпроводника, работающего при комнатной температуре.
Исследователи подчёркивают, что машинное обучение не заменяет традиционные физические расчёты, а выполняет роль интеллектуального фильтра, позволяющего сосредоточить вычислительные ресурсы на наиболее перспективных соединениях. По мнению команды, этот подход способен привести к открытию тысяч новых сверхпроводников и значительно ускорить поиск материалов, пригодных для масштабного применения в энергетике и вычислительной технике.
Исследование в журнале Physical Review Research.