机器学习为科学家们提供了一种强大而新的寻找超导体的方式，即在零电阻下导电的材料。一个国际团队展示了人工智能可以迅速缩小几乎无限的可能材料组合，从而识别出最有前途的候选者。根据阿尔托大学的帕伊维·托玛教授所说，她领导的SuperC联合体的这一方法可能显著加快新超导体的发现进程。超导体允许电流在不损失能量的情况下流动，但仅在冷却到极低温度时，量子效应才会出现。这些令人瞩目的材料已被用于从量子计算机和医疗神经成像系统到聚变反应堆和磁悬浮列车的各种技术中。尽管它们具有巨大的潜力，超导体的发现仍然极其困难。可能形成新材料的化学元素组合几乎无穷无尽，但只有微小一部分最终能够成为超导体。已经确认的材料通常需要昂贵的冷却系统，将它们冷却到接近绝对零度，才会表现出其独特的特性。世界各地的科学家们正在寻找一种可以在室温下运行的实用超导体。“能够在室温下运行的超导材料将彻底改变我们的能源消费方式，”托玛解释道。“如果这样的材料能够取代计算机和数据中心中的常规导体，全球能源消耗可能会大幅减少，信息通信技术部门的热量足迹也将大大降低。”人工智能与量子物理联手 SuperC联合体于2023年由托玛教授和一国际领先物理学家团队成立，旨在利用量子物理帮助应对气候变化。它是第一个专门致力于发现新超导体的全球协调合作，雄心勃勃的目标是在2033年前找到一种室温超导体。根据托玛的说法，将量子几何与机器学习相结合为这种搜寻提供了强大的基础。在该团队最新的工作中，新发现的超导体YRu3B2和LuRu3B2的特性源于电子在卡戎晶格中形成平带的结构，这一几何排列受到了传统日本编织图案的启发。为了识别这些材料，研究人员首先利用机器学习快速筛选出大量可能的元素组合。一种专门的算法选择出最有前途的候选者，然后使用详细的量子计算分析它们是否能够成为超导体。一旦理论预测得到确认，赖斯大学的合作伙伴通过化学结合它们的成分元素合成了这些材料。在艾米莉亚·莫罗桑教授的带领下，赖斯团队随后实验验证了这两种材料确实是超导体。这一概念验证研究最近发表于《物理评论研究》。寻找新超导体的更快路径 发展对超导现象的完整量子力学理解是极其具有挑战性的，这使得寻找新的超导材料的过程缓慢而计算量巨大。“几十年来，研究人员已经识别出7000多种超导体，但主要是偶然发现的，”托玛解释道。“识别可能材料的过程计算量是如此庞大，以至于研究人员实际上只能够理论预测其中约20种的可行性。”即使一种材料在理论上令人兴奋，它可能仍然不切实际，因为合成过于困难或无法大规模生产，托玛指出。传统上，评估大量潜在材料需要巨大的计算资源。SuperC团队的这一人工智能驱动的方法通过仅集中详细计算在最有前景的候选材料上改变了这个过程。“我们的方法使用基于机器学习的预筛选，随后对有前途的候选者进行针对性计算。这一方法将大大加快未来超导体的发现速度。通过机器学习，我们可能能够将我们处理材料的数量推向数十亿，”托玛说。“这将使我们更接近找到室温超导体的关键一步。”展望未来 SuperC的研究将在2026年9月1日至10月30日期间在芬兰大赫尔辛基的阿尔托大学《为更凉的星球设计》展览中展出。SuperC联合体获得来自卡夫利基金会、克劳斯·茨希拉基金会、凯文·威尔斯、简和阿图斯·埃尔科基金会、基尔基金会、马格努斯·厄尔恩罗特基金会以及Neste和Fortum基金会的资助。