Uno dei problemi di ricerca più ardui della fisica ha appena ottenuto un filtro molto più potente. Un team internazionale — il consorzio SuperC, guidato dalla professoressa dell’Aalto University Päivi Törmä — ha combinato machine learning e fisica quantistica per scoprire due superconduttori finora sconosciuti e, cosa ancora più importante, un modo molto più veloce per cercarne altri.
La scoperta
Il team ha identificato due nuovi superconduttori, YRu3B2 e LuRu3B2. Entrambi derivano le loro proprietà da elettroni che formano i cosiddetti flat bands all’interno di un reticolo kagome — una disposizione geometrica in cui gli elettroni si muovono lentamente e interagiscono con forza, terreno fertile per la superconduttività.
Il metodo
L’approccio utilizza un pre-screening con machine learning per restringere un vastissimo spazio di materiali candidati, quindi esegue costosi calcoli quantistici solo sui più promettenti. I collaboratori della Rice University, guidati da Emilia Morosan, hanno poi sintetizzato e verificato sperimentalmente entrambi i materiali — chiudendo il cerchio dalla previsione dell’IA alla conferma in laboratorio.
Perché è importante
Su oltre 7.000 superconduttori noti, i ricercatori erano riusciti a prevedere teoricamente la fattibilità di solo una ventina, perché i calcoli di fisica sono così impegnativi. Con il machine learning a fare da filtro iniziale, il team ritiene che il numero di materiali che possono essere sottoposti a screening potrebbe in futuro arrivare ai miliardi. L’obiettivo dichiarato del consorzio è trovare un superconduttore a temperatura ambiente entro il 2033 — un materiale che trasformerebbe reti elettriche, trasporti e informatica.
La precisazione
Si tratta di superconduttori convenzionali, non del Santo Graal della temperatura ambiente — la svolta riguarda il metodo di ricerca, non un materiale miracoloso. Si inserisce in un modello più ampio in cui l’IA comprime la scoperta scientifica, dalle strutture proteiche ai nuovi composti. (Lo studio di base è apparso su Physical Review Research; la pipeline guidata dall’IA del consorzio ha attirato nuova attenzione nella copertura di inizio luglio.)