Uno de los problemas de búsqueda más difíciles de la física acaba de recibir un potente filtro nuevo. Un equipo internacional —el consorcio SuperC, liderado por la profesora de la Universidad Aalto Päivi Törmä— ha combinado aprendizaje automático con física cuántica para descubrir dos superconductores desconocidos hasta ahora y, más importante aún, una forma mucho más rápida de buscar otros.
El descubrimiento
El equipo identificó dos nuevos superconductores, YRu3B2 y LuRu3B2. Ambos derivan sus propiedades de electrones que forman los llamados bandas planas dentro de una red de kagome —una disposición geométrica en la que los electrones se mueven con lentitud e interactúan con fuerza, un terreno fértil para la superconductividad.
El método
El enfoque utiliza un precribado con aprendizaje automático para reducir un vasto espacio de materiales candidatos y, después, solo ejecuta costosos cálculos cuánticos sobre los más prometedores. Los colaboradores de Rice University, liderados por Emilia Morosan, sintetizaron y verificaron experimentalmente ambos materiales, cerrando así el ciclo desde la predicción por IA hasta la confirmación en laboratorio.
Por qué es importante
De más de 7.000 superconductores conocidos, los investigadores solo habían podido predecir teóricamente la viabilidad de unos 20, porque los cálculos físicos son tan exigentes. Con el aprendizaje automático encargándose de la criba, el equipo cree que el número de materiales que pueden analizarse podría llegar algún día a los miles de millones. La ambición declarada del consorcio es encontrar un superconductor a temperatura ambiente para 2033, un material que transformaría las redes eléctricas, el transporte y la computación.
La salvedad
Se trata de superconductores convencionales, no del santo grial de la temperatura ambiente: el avance está en el método de búsqueda, no en un material milagroso. Encaja en una tendencia más amplia de la IA para comprimir el descubrimiento científico, desde estructuras de proteínas hasta nuevos compuestos. (El estudio subyacente apareció en Physical Review Research; la canalización guiada por IA del consorcio atrajo nueva atención en la cobertura de principios de julio.)