Một nhóm các nhà vật lý quốc tế đã áp dụng học máy để tăng tốc việc tìm kiếm vật liệu siêu dẫn. Thay vì thử và sai trong phòng thí nghiệm kéo dài, thuật toán nhanh chóng sàng lọc hàng nghìn cấu trúc hóa học chưa được kiểm chứng.
Dự án SuperC, khởi động vào năm 2023, đã điều phối công việc của các nhà nghiên cứu từ Đại học Aalto ở Phần Lan. Mô hình học máy đã xác định hai hợp chất chưa từng biết trước đây: YRu₃B₂ và LuRu₃B₂.
Các nhà khoa học từ Đại học Rice ở Texas đã tổng hợp các vật liệu này trong phòng thí nghiệm và xác nhận bằng thực nghiệm tính chất siêu dẫn của chúng.
Cả hai hợp chất đều có cấu trúc kagome — một mạng tinh thể tam giác, gợi nhớ đến kiểu đan giỏ của Nhật Bản. Hình dạng hình học này tạo ra các vùng năng lượng phẳng, nơi các electron chậm lại và dễ dàng hình thành các cặp cần thiết cho hiện tượng siêu dẫn.
Vật liệu siêu dẫn cho phép dòng điện chạy qua mà không mất mát do điện trở, nhưng hầu hết các vật liệu đã biết chỉ hoạt động ở nhiệt độ cực thấp. Các hợp chất mới không phải là ngoại lệ: chúng đòi hỏi làm lạnh mạnh.
Kết quả chính của công trình không phải là bản thân các vật liệu, mà là hiệu quả đã được chứng minh của phương pháp. Thuật toán loại bỏ các lựa chọn không triển vọng trong vài giây, chỉ để lại cho các tính toán lượng tử và tổng hợp những ứng viên hứa hẹn nhất.
Liệu bây giờ có thể mở rộng cách tiếp cận như vậy cho hàng tỷ cấu trúc để tìm kiếm vật liệu siêu dẫn hoạt động ở nhiệt độ phòng không?
Các nhà nghiên cứu lưu ý rằng phương pháp đã được xác nhận mở ra con đường tìm kiếm vật liệu một cách có hệ thống cho năng lượng, điện tử và các lĩnh vực khác, nơi mất mát năng lượng vẫn là một vấn đề nghiêm trọng.
