O aprendizado de máquina está oferecendo aos cientistas uma nova maneira poderosa de investigar supercondutores, materiais que conduzem eletricidade com resistência zero. Uma equipa internacional demonstrou que a IA pode rapidamente restringir um número quase ilimitado de combinações possíveis de ingredientes para identificar os candidatos mais promissores. De acordo com o professor da Universidade Aalto, Päivi Törmä, que lidera superc consórcio, o método poderia acelerar drasticamente a descoberta de novos supercondutores.
Os supercondutores permitem que a corrente elétrica flua sem perder energia, mas apenas quando resfriados a temperaturas extremamente baixas, onde surgem efeitos quânticos. Esses materiais notáveis já são usados em tecnologias que vão desde computadores quânticos e sistemas médicos de neuroimagem até reatores de fusão e trens maglev.
Apesar do seu enorme potencial, os supercondutores continuam a ser excepcionalmente difíceis de descobrir. Existem combinações virtualmente infinitas de elementos químicos que podem criar novos materiais, mas apenas uma pequena fração pode se tornar supercondutores. Aqueles já caracterizados geralmente requerem sistemas de resfriamento caros que os aproximam do zero absoluto antes de exibirem suas propriedades únicas.
Cientistas de todo o mundo estão à procura de um supercondutor prático que possa funcionar à temperatura ambiente.
“Os materiais supercondutores que podem operar à temperatura ambiente mudarão para sempre a forma como utilizamos a energia”, explica Torma. “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.”
IA e física quântica unem forças
O Consórcio SuperC foi fundado em 2023 pelo Professor Torma e um grupo internacional de físicos líderes que partilham o objetivo de utilizar a física quântica para ajudar a combater as alterações climáticas. É a primeira colaboração global integrada dedicada à descoberta de novos supercondutores com o ambicioso objetivo de encontrar um supercondutor à temperatura ambiente até 2033.
De acordo com Torme, combinar a geometria quântica com o aprendizado de máquina fornece uma base poderosa para essa busca. O trabalho mais recente da equipe, o supercondutor recém-identificado, YRu3b2 e Luru3b2Eles devem suas propriedades aos elétrons que formam bandas planas dentro de uma rede kagome, um arranjo geométrico inspirado nos padrões tradicionais de cestaria japonesa.
Para identificar esses materiais, os pesquisadores primeiro usaram o aprendizado de máquina para examinar rapidamente um grande número de combinações elementares possíveis. Um algoritmo especial selecionou os candidatos mais promissores, que foram então analisados usando cálculos quânticos detalhados para determinar se poderiam ser supercondutores.
Uma vez que as previsões foram teoricamente confirmadas, os colaboradores da Rice University sintetizaram os materiais combinando quimicamente seus elementos constituintes em novos compostos. Liderada pela professora Emilia Morosan, a equipe de Rice verificou experimentalmente que ambos os materiais são de fato supercondutores.
Estudos de prova de conceito foram publicados recentemente Estudos de revisão física.
Um caminho rápido para novos supercondutores
Desenvolver uma compreensão completa da mecânica quântica da supercondutividade é extraordinariamente desafiador, tornando a busca por novos materiais supercondutores lenta e computacionalmente exigente.
“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 intensivo em termos computacionais que, na verdade, os pesquisadores foram capazes de prever teoricamente o desempenho de cerca de 20 deles.”
Mesmo quando um material parece promissor no papel, pode revelar-se impraticável porque é demasiado difícil de sintetizar ou impossível de produzir em escala, observa Torma. Tradicionalmente, avaliar um grande número de materiais potenciais requer muitos recursos computacionais. A abordagem orientada por IA da equipe SuperC muda esse processo, concentrando cálculos detalhados apenas nos candidatos mais fortes.
“Nosso método usa pré-seleção baseada em aprendizado de máquina, seguida de enumeração direcionada de candidatos promissores. Este método irá acelerar enormemente a descoberta de supercondutores no futuro. Com o 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.”
olhando para frente
A pesquisa da SuperC será apresentada na Aalto University Design para um planeta mais frio Exposição na Grande Helsinque, Finlândia, de 1º de setembro a 30 de outubro de 2026.
O Consórcio SuperC recebe financiamento da Fundação Kavli, Klaus Schira Stiftung, Fundação Kevin Wells, Jane e Atos Erko, Fundação Kiely, Fundação Magnus Ehornruth e Fundações Neste e Fortum.
