物理学中最难的搜索问题之一，如今获得了一个强大的新筛选器。由 Aalto University 教授 Päivi Törmä 领衔的国际团队——SuperC consortium——将机器学习与量子物理结合，发现了两种此前未知的超导体，更重要的是，还找到了一种快得多的寻找其他超导体的方法。
The discovery
该团队识别出两种新超导体，YRu3B2 and LuRu3B2。这两种材料的超导特性都源于电子在所谓的 flat bands 中形成状态，而这些 flat bands 位于 kagome 晶格之中——一种电子运动迟缓、相互作用强烈的几何排列，为超导性提供了肥沃土壤。
The method
这一方法先用机器学习进行预筛选，从海量候选材料中缩小范围，再只对最有希望的材料进行代价高昂的量子计算。随后，由 Rice University 的 Emilia Morosan 领衔的合作者合成并在实验中验证了这两种材料——形成了从 AI 预测到实验室确认的闭环。
Why it's a big deal
在超过 7,000 known superconductors 中，研究人员此前只能在理论上预测约 20 种材料的可行性，因为这类物理计算要求极高。随着机器学习承担筛选工作，团队认为，可被筛选的材料数量最终有望达到数十亿。该联合体公开表示的目标，是在 2033 年找到 room-temperature superconductor——这种材料将重塑电网、交通和计算。
The caveat
这些是常规超导体，并非 room-temperature 的终极目标——这一突破在于搜索方法，而不是某种奇迹材料。它契合了 AI 压缩科学发现的更广泛趋势，从蛋白质结构到新化合物皆是如此。（相关研究发表在 Physical Review Research；该联合体的 AI 引导流程在 7 月初的报道中再次引发关注。）