國際團隊近日展示結合機器學習與量子物理的超導材料搜尋法，加速尋找更實用、甚至可室溫運作的超導體。芬蘭阿爾托大學教授托爾馬領導、SuperC 聯盟推動的研究，已找出兩種新超導材料，為長期仰賴偶然發現的超導研究提供更系統化的路徑。
超導材料能特定條件下實現零電阻導電，對量子電腦、核磁共振成像、融合反應爐與磁浮列車等有重要意義。不過，現有超導體多半必須在接近絕對零度的低溫環境運作，冷卻成本高昂，也限制大規模應用。若能在更高溫度尤其室溫工作的超導體，一直被視為物理學與材料學的重要目標。
團隊指出，理論上可組成材料的元素排列近乎無限，但真正有超導性的只占極少數。過去數十年，科學界雖辨識出超過7千種超導材料，但多屬偶然發現；能用理論預測成功鎖定的材料僅約20種，原因之一就是量子機制極為複雜，耗費計算資源十分龐大。
此新方法先以機器學習先篩選大量元素組合，再由專門演算法與高精度理論計算，檢驗哪些候選材料最可能有超導性。團隊表示，這樣可先排除大量無潛力的組合，將最耗費算力的分析集中少數高機率候選者，大幅提升搜尋效率，未來甚至可能把可處理的材料數量推高至數十億種。
以新流程實驗，研究員鎖定兩種新超導材料：YRu3B2與LuRu3B2。兩者超導行為與籠目晶格結構的平帶電勢有關。籠目晶格是源自日本傳統編籃工藝的特殊幾何排列，這類結構認為有助形成促進超導的電子特性。完成理論預測後，美國萊斯大學莫羅桑教授團隊合成材料樣品，並以實驗確認兩者確實有超導性，完成從人工智慧篩選、理論判定到實驗驗證的完整流程。
SuperC聯盟成立於2023年，目標是運用量子物理推進新型超導體發現，並把尋找室溫超導體的時間表定在2033年。團隊認為，若真能找到室溫可運作的超導材料，就可能改變能源使用方式；若用於電腦與資料中心等場景，全球能源消耗與資訊通訊產業的散熱負擔都有機會明顯下降。
不過，從新材料發現走向真正可用的室溫超導體，仍有不少挑戰待解，包括材料穩定性、製備工藝、臨界溫度提升，以及機器學習模型對資料品質與多樣性的依賴。即使如此，這項研究仍顯示，人工智慧逐步從科研輔助工具，轉變為材料探索的重要引擎，可勝任超導體研究加速器角色。
- The Search for Room Temperature Superconductors Just Got a Huge AI Boost
- AI accelerates the search for a room-temperature superconductor
（首圖來源：Esa Kapila / Aalto University）
科技新報粉絲團
加入好友
訂閱免費電子報
