国際的な物理学者チームは、超伝導体の探索を加速するために機械学習を適用した。長い実験室での試行錯誤の代わりに、アルゴリズムは未検証の化学構造を数千件迅速にふるい分けた。
2023年に開始されたSuperCプロジェクトは、フィンランドのアールト大学の研究者の作業を調整した。機械学習モデルは、YRu₃B₂とLuRu₃B₂という2つのこれまで知られていなかった化合物を特定した。
テキサス州ライス大学の科学者たちは、これらの材料を実験室で合成し、その超伝導特性を実験的に確認した。
両方の化合物は、日本の籠編みを連想させる三角形の格子であるカゴメ構造を持っている。この幾何学形状は、電子が減速し、超伝導に必要なペアを形成しやすくなる平坦なエネルギーバンドを生み出す。
超伝導体は、抵抗による損失なしに電流を流すことを可能にするが、既知の材料のほとんどは極端に低い温度でのみ機能する。新しい化合物も例外ではなく、強力な冷却が必要である。
この研究の主な成果は、材料自体ではなく、この方法の実証された有効性である。アルゴリズムは、有望でない候補を数秒でふるい落とし、量子計算と合成のために最も有望な候補だけを残す。
このようなアプローチを、室温で動作する超伝導体を求めて数十億の構造に拡張できるだろうか？
研究者たちは、確認された方法論が、エネルギー損失が依然として深刻な問題であるエネルギー、エレクトロニクス、その他の分野の材料の体系的な探索への道を開くと指摘している。
