Машинное обучение меняет правила поиска сверхпроводников

В поисках сверхпроводника, работающего при комнатной температуре, международный консорциум SuperC под руководством профессора Пяйви Термя из Университета Аалто совершил прорыв, применив машинное обучение для фильтрации бесчисленного множества комбинаций элементов. Исследователи не только теоретически предсказали, но и экспериментально синтезировали два новых сверхпроводящих материала — YRu₃B₂ и LuRu₃B₂, чья структура повторяет традиционный японский узор плетения корзин, известный как решетка кагоме. Результаты этой работы, демонстрирующие эффективность нового подхода, были опубликованы в журнале Physical Review Research, открывая путь к ускоренному поиску материалов, способных произвести революцию в энергетике.

Сверхпроводники, обладающие уникальной способностью проводить электричество без потерь, долгое время остаются своего рода Святым Граалем для физиков. Это квантовое явление, однако, крайне капризно: оно проявляется лишь при экстремально низких температурах, близких к абсолютному нулю, что требует использования дорогостоящего и громоздкого охлаждающего оборудования.

Несмотря на то, что эти материалы уже нашли применение в квантовых компьютерах, медицинских томографах и даже в проектах термоядерных реакторов, их широкое внедрение сдерживается именно температурными ограничениями. Гонка за создание масштабируемого сверхпроводника, который работал бы при комнатной температуре, стала одной из главных задач современной науки, поскольку ее успех сулит беспрецедентную энергоэффективность для центров обработки данных, компьютерной техники и транспортных систем.

Главная сложность в этой области заключается не просто в поиске новых соединений, а в колоссальной вычислительной сложности их прогнозирования. За всю историю исследований ученые случайно обнаружили более семи тысяч сверхпроводников, однако теоретически обосновать жизнеспособность удалось лишь около двух десятков из них. Дело в том, что квантово-механическая теория сверхпроводимости требует огромных вычислительных ресурсов для моделирования поведения электронов в каждом потенциальном соединении.

Именно здесь на помощь приходит машинное обучение, которое позволяет радикально изменить стратегию поиска. Вместо того чтобы тратить вычислительную мощность на анализ всех бесконечных комбинаций элементов, исследователи из консорциума SuperC обучили алгоритм выполнять первичный, грубый отсев, оставляя лишь наиболее перспективных кандидатов для детального, точного расчета.

Новый метод, проверенный на практике, работает как высокоэффективный фильтр. Сначала машинное обучение анализирует огромные массивы данных о кристаллических структурах и электронных свойствах, сужая круг возможных материалов. Затем в ход идут уже классические, но значительно более ресурсозатратные квантовые расчеты, которые применяются только к небольшой группе отобранных претендентов.

Такой двухступенчатый подход, по словам профессора Пяйви Термя, может увеличить количество обрабатываемых кандидатов до миллиардов, что ранее казалось совершенно невозможным. Именно благодаря этой методике команда обратила внимание на соединения с решеткой кагоме, где электроны образуют плоские энергетические полосы, что и способствует возникновению сверхпроводимости.

После того как теоретические расчеты указали на YRu₃B₂ и LuRu₃B₂ как на многообещающие материалы, в дело вступили экспериментаторы. Ученые из Университета Райса, входящие в консорциум, взяли на себя сложнейший этап синтеза — процесс соединения исходных элементов в новые кристаллические решетки, который возглавила профессор Эмилия Моросан.

За этим последовали лабораторные испытания, которые блестяще подтвердили сверхпроводящие свойства предсказанных материалов. Таким образом, исследователям удалось не только продемонстрировать работоспособность своей концепции, но и пройти полный цикл «от теории к образцу», что является решающим аргументом в пользу состоятельности их подхода.

Этот успех знаменует собой фундаментальный сдвиг в методологии поиска новых материалов. Если ранее открытия были делом случая, а теоретические проверки занимали непозволительно много времени, то теперь ученые получают мощный инструмент для целенаправленного конструирования сверхпроводников с заданными свойствами.

Цель, поставленная консорциумом SuperC — найти сверхпроводник, работающий при комнатной температуре к 2033 году, перестает казаться фантастической.

В конечном итоге, данный прорыв знаменует собой не просто очередное открытие в лаборатории, а принципиально новый этап в развитии физики конденсированного состояния. Сочетание методов машинного обучения и квантовой геометрии превращает поиск сверхпроводников из лотереи в инженерную дисциплину, что открывает путь к созданию материалов с недостижимыми ранее характеристиками.

Все это приближает эру сверхпроводящей электроники, способной работать без громоздких систем охлаждения, что сулит революцию в вычислительной технике, создании мощных магнитных систем и высокоэффективных линий электропередач. Более того, сам подход к предсказанию сложных квантовых свойств материалов обещает стать универсальным инструментом, который найдет применение далеко за пределами сверхпроводимости: от поиска новых катализаторов до разработки инновационных аккумуляторов, тем самым кардинально расширяя границы современных технологий.

Присоединяйтесь к нам в соцсетях