Os pesquisadores descobriram dois novos supercondutores usando um método de triagem baseado em aprendizado de máquina, demonstrando uma maneira rápida de identificar materiais que poderiam um dia permitir a supercondutividade à temperatura ambiente.
Uma equipe internacional liderada por pesquisadores da Universidade Aalto combinou aprendizado de máquina com cálculos de física quântica para identificar dois supercondutores até então desconhecidos, YRu3B2 e LuRu3B2. O método reduz significativamente o tempo necessário para pesquisar um grande número de combinações possíveis de materiais.
Os supercondutores podem transportar eletricidade com resistência zero, mas apenas em temperaturas extremamente baixas. Eles já são usados em tecnologias como computadores quânticos, scanners de ressonância magnética, reatores de fusão e trens maglev. Os cientistas há muito procuram materiais que mantenham a supercondutividade à temperatura ambiente, um avanço que poderia transformar a transmissão de energia e a computação.
Os materiais recém-descobertos derivam suas propriedades supercondutoras de elétrons dispostos em uma rede kagome, um padrão geométrico inspirado na tradicional cestaria japonesa. Depois que o aprendizado de máquina identificou candidatos promissores, os pesquisadores os validaram por meio de cálculos teóricos antes de sintetizar os materiais e validá-los experimentalmente.
IA restringe a pesquisa
Segundo os pesquisadores, o novo fluxo de trabalho aborda um dos maiores desafios na pesquisa de supercondutores: o número esmagador de combinações possíveis de materiais.
“Materiais supercondutores que podem funcionar à temperatura ambiente mudarão para sempre a forma como consumimos energia”, explica o professor Paivi Torma, da Universidade Aalto. “Se esse material pudesse substituir os condutores normais em aplicações como computadores e centros de dados, o consumo global de energia poderia ser reduzido e a pegada térmica do sector das TIC poderia ser bastante reduzida.”
O trabalho faz parte do SuperC Consortium, uma colaboração internacional lançada em 2023 com o objetivo de descobrir um supercondutor à temperatura ambiente até 2033.
Após a triagem computacional, os colaboradores da Rice University sintetizaram os materiais candidatos em amostras reais. A equipe experimental confirmou então que ambos os compostos exibiam supercondutividade, fornecendo evidências de que o processo de descoberta guiado por aprendizado de máquina funcionou.
O processo de descoberta é acelerado
Durante décadas, os cientistas confiaram em tentativa e erro para descobrir materiais supercondutores.
“Ao longo das décadas, os pesquisadores reconheceram mais de 7.000 supercondutores, mas principalmente de forma passiva”, explicou Torma. “O processo de identificação de materiais potenciais é tão pesado computacionalmente que, na verdade, os pesquisadores foram capazes de prever teoricamente o desempenho de cerca de 20 deles.”
Os pesquisadores dizem que seu método poderia expandir drasticamente o número de componentes que podem ser avaliados.
“Nosso método usa pré-seleção baseada em aprendizado de máquina, seguida de enumeração direcionada de candidatos promissores. Este método irá acelerar enormemente as futuras descobertas de supercondutores. Através do aprendizado de máquina, poderemos aumentar o número de materiais que podemos processar para bilhões”, disse Torma. “Isso nos levará um passo importante mais perto de encontrar um supercondutor à temperatura ambiente.”
Em vez de substituir os cálculos físicos tradicionais, os sistemas de aprendizagem automática funcionam como um filtro, permitindo aos investigadores concentrar recursos computacionais nos candidatos mais promissores. A equipe acredita que o método pode desbloquear milhares de novos supercondutores e acelerar a busca por materiais adequados para aplicações de energia e computação em larga escala.
O estudo foi publicado Estudos de revisão física.
