L’un des problèmes de recherche les plus difficiles en physique s’est doté d’un filtre puissant. Une équipe internationale — le consortium SuperC, dirigé par la professeure de l’université d’Aalto Päivi Törmä — a combiné apprentissage automatique et physique quantique pour découvrir deux supraconducteurs jusque-là inconnus et, plus important encore, une méthode bien plus rapide pour en rechercher d’autres.
La découverte
L’équipe a identifié deux nouveaux supraconducteurs, YRu3B2 et LuRu3B2. Tous deux tirent leurs propriétés d’électrons formant des bandes plates au sein d’un réseau kagome — une organisation géométrique où les électrons se déplacent lentement et interagissent fortement, un terrain propice à la supraconductivité.
La méthode
L’approche utilise un précriblage par apprentissage automatique pour réduire un vaste espace de matériaux candidats, puis n’exécute des calculs quantiques coûteux que sur les plus prometteurs. Des collaborateurs de Rice University, dirigés par Emilia Morosan, ont ensuite synthétisé et vérifié expérimentalement les deux matériaux — bouclant ainsi la boucle de la prédiction par IA à la confirmation en laboratoire.
Pourquoi c’est important
Sur plus de 7 000 supraconducteurs connus, les chercheurs n’avaient pu prédire théoriquement la viabilité que d’environ 20, tant les calculs physiques sont exigeants. Avec l’apprentissage automatique chargé du tri, l’équipe estime que le nombre de matériaux pouvant être criblés pourrait, à terme, atteindre les milliards. L’ambition affichée du consortium est de trouver un supraconducteur à température ambiante d’ici 2033 — un matériau qui transformerait les réseaux électriques, les transports et l’informatique.
La réserve
Il s’agit de supraconducteurs conventionnels, et non du Graal de la température ambiante — la percée concerne la méthode de recherche, pas un matériau miracle. Cela s’inscrit dans une tendance plus large où l’IA accélère la découverte scientifique, des structures de protéines à de nouveaux composés. (L’étude sous-jacente est parue dans Physical Review Research ; le pipeline guidé par l’IA du consortium a suscité un regain d’attention dans une couverture début juillet.)