北京
智能計算發現兩種新型超導體，為快速篩選數十億種候選材料開辟道路。
研究人員利用一種基于機器學習的篩選方法，發現了兩種新型超導體。這一成果展示了一條更快捷的道路，有望在未來識別出能在室溫下工作的超導材料。
這支國際團隊由芬蘭阿爾托大學的研究人員領銜，他們將機器學習與量子物理計算相結合，識別出了兩種此前未知的超導體——YRu?B? 和 LuRu?B?。這種方法大幅縮減了從海量可能的材料組合中進行搜尋所需的時間。
超導體能以零電阻傳輸電流，但目前只能在極低的溫度下工作。它們已被應用于量子計算機、磁共振成像掃描儀、核聚變反應堆和磁懸浮列車等技術中。長期以來，科學家一直在尋找能夠在室溫下保持超導性的材料，這一突破一旦實現，將徹底改變電力傳輸和計算領域的面貌。
這兩種新發現的材料，其超導特性源自電子以“籠目晶格”的方式排布——這種幾何圖案的靈感來自日本傳統的編織工藝。在機器學習識別出有潛力的候選材料后，研究人員先通過理論計算進行驗證，隨后成功合成樣品，并通過實驗確認了材料性能。
人工智能縮小搜索范圍
據研究人員介紹，這一新的工作流程直擊超導體研究中的最大挑戰之一：可能的材料組合多到令人應接不暇。
阿爾托大學教授 P?ivi T?rm? 解釋道：“能在室溫下工作的超導材料，將永久性地改變我們消耗能源的方式。如果能用這類材料取代計算機和數據中心等應用場景中的常規導體，全球能耗將大幅削減，信息與通信技術行業的熱足跡也會極大降低。”
這項工作是 SuperC 聯盟的一部分。該聯盟于 2023 年啟動，目標是在 2033 年之前發現室溫超導體。
在完成計算篩選后，萊斯大學的合作者們將候選材料合成為實際樣品。隨后，實驗團隊證實這兩種化合物都表現出超導性，為這套由機器學習引導的發現流程提供了實證。
發現進程大幅提速
過去數十年來，科學家們主要依靠反復試驗來尋找超導材料。
T?rm? 教授解釋說：“幾十年來，研究人員已經識別出超過 7000 種超導體，但大多是靠運氣偶然發現的。識別潛在材料的過程計算量極其龐大，以至于實際上研究人員理論上只能預測其中大約 20 種的可行性。”
研究者表示，他們的方法可能將可評估的候選材料數量提升到全新的量級。
“我們的方法是先利用機器學習進行預篩選，再針對有前景的候選材料開展針對性計算。這一做法將在未來極大地加快超導體的發現速度。借助機器學習，我們或許能將可處理的材料數量推進到數十億的量級，”T?rm? 說，“這將使我們朝著找到室溫超導體的目標邁出關鍵一步。”
機器學習系統并非要取代傳統的物理計算，而是起到過濾作用，使研究人員能將計算資源集中用于最有希望的候選材料上。團隊相信，這種方法有望解鎖數千種新型超導體，并加速為大規模能源與計算應用尋找合適材料的進程。
這項研究發表在《物理評論研究》上。
如果朋友們喜歡，敬請關注“知新了了”！
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
