물리학에서 가장 어려운 탐색 문제 중 하나가 강력한 새 필터를 얻었습니다. Aalto University 교수 Päivi Törmä가 이끄는 국제팀인 SuperC consortium은 머신러닝과 양자물리를 결합해 이전에 알려지지 않았던 초전도체 2종을 발견했고, 더 중요하게는 다른 후보를 훨씬 빠르게 찾는 방법도 제시했습니다.
발견
연구팀은 YRu3B2와 LuRu3B2라는 두 개의 새로운 초전도체를 확인했습니다. 두 물질의 특성은 전자가 이른바 flat bands를 이루는 kagome 격자에서 비롯됩니다. 이는 전자가 느리게 움직이고 강하게 상호작용하는 기하학적 배열로, 초전도성이 나타나기 좋은 환경입니다.
방법
이 접근법은 머신러닝 사전 선별로 방대한 후보 물질 공간을 좁힌 뒤, 가장 유망한 물질에만 비용이 큰 양자 계산을 수행합니다. 이어 Rice University의 Emilia Morosan이 이끄는 협력 연구진이 두 물질을 합성하고 실험적으로 검증해, AI 예측에서 실험실 확인으로 이어지는 과정을 완성했습니다.
왜 중요한가
알려진 초전도체는 7,000종이 넘지만, 이론적으로 가능성을 예측할 수 있었던 것은 계산 부담이 너무 커 약 20종에 불과했습니다. 머신러닝이 1차 선별을 맡으면서, 연구진은 앞으로 선별 가능한 물질 수가 수십억 개에 이를 수 있다고 보고 있습니다. 컨소시엄이 밝힌 목표는 2033년까지 상온 초전도체를 찾는 것입니다. 이는 전력망, 교통, 컴퓨팅을 바꿀 수 있는 물질입니다.
한계
이번 물질들은 상온 초전도라는 성배가 아니라, 일반적인 초전도체입니다. 이번 돌파구는 기적의 물질이 아니라 탐색 방법입니다. 이는 단백질 구조부터 새로운 화합물까지, AI가 과학적 발견을 압축하는 더 큰 흐름과도 맞닿아 있습니다. (해당 연구는 Physical Review Research에 게재됐으며, 컨소시엄의 AI 유도 파이프라인은 7월 초 보도를 통해 새롭게 주목받았습니다.)