Tim fisikawan internasional menggunakan pembelajaran mesin untuk mempercepat pencarian superkonduktor. Alih-alih melalui trial and error laboratorium yang panjang, algoritma dengan cepat menyaring ribuan struktur kimia yang belum teruji.
Proyek SuperC, yang diluncurkan pada tahun 2023, mengoordinasikan kerja para peneliti dari Universitas Aalto di Finlandia. Model pembelajaran mesin mengidentifikasi dua senyawa yang sebelumnya tidak diketahui: YRu₃B₂ dan LuRu₃B₂.
Para ilmuwan dari Universitas Rice di Texas mensintesis material ini di laboratorium dan secara eksperimental mengonfirmasi sifat superkonduktornya.
Kedua senyawa memiliki struktur kagome — kisi segitiga yang mengingatkan pada anyaman keranjang Jepang. Geometri ini menciptakan pita energi datar, di mana elektron melambat dan lebih mudah membentuk pasangan yang diperlukan untuk superkonduktivitas.
Superkonduktor memungkinkan arus mengalir tanpa kehilangan resistansi, tetapi sebagian besar material yang diketahui hanya bekerja pada suhu yang sangat rendah. Senyawa baru ini tidak terkecuali: mereka memerlukan pendinginan yang kuat.
Hasil utama dari pekerjaan ini bukanlah material itu sendiri, melainkan efektivitas metode yang terbukti. Algoritma menyaring opsi yang tidak menjanjikan dalam hitungan detik, hanya menyisakan kandidat paling menjanjikan untuk perhitungan kuantum dan sintesis.
Dapatkah pendekatan semacam itu sekarang diskalakan ke miliaran struktur dalam mencari superkonduktor yang bekerja pada suhu kamar?
Para peneliti mencatat bahwa metodologi yang telah dikonfirmasi membuka jalan menuju pencarian material secara sistematis untuk energi, elektronik, dan bidang lain di mana kehilangan energi masih menjadi masalah serius.
