Ein internationales Forschungskonsortium hat mithilfe von maschinellem Lernen zwei bislang unbekannte Supraleiter identifiziert, ein Durchbruch, der nach Einschätzung der Wissenschaftler das weltweite Rennen um Materialien, die Strom verlustfrei leiten, drastisch beschleunigen dürfte. Die von der Aalto-Universität in Finnland und ihren Partnerinstitutionen bekannt gegebene Entdeckung zählt zu den ersten Fällen, in denen Künstliche Intelligenz die bestätigte Entdeckung neuer supraleitender Materialien angeleitet hat.
Supraleiter transportieren elektrischen Strom mit einem Widerstand von null, eine Eigenschaft, die Technologien wie MRT-Scanner, Magnetschwebebahnen und Quantencomputer erst ermöglicht. Bislang funktionieren sie nur bei extrem niedrigen Temperaturen oder unter enormem Druck, und die Suche nach neuen Kandidaten beruhte traditionell auf langsamen Versuch-und-Irrtum-Experimenten. Ein Material, das bei Raumtemperatur supraleitet, bleibt eines der begehrtesten Ziele der Physik.
Das Team, das im SuperC-Konsortium unter Leitung der Aalto-Professorin Päivi Törmä arbeitet, kombinierte Methoden des maschinellen Lernens mit quantenphysikalischen Berechnungen, um Kandidatenverbindungen zu durchmustern. Der Ansatz markierte zwei Materialien, YRu3B2 und LuRu3B2, welche die Forscher anschließend im Labor herstellten und in Experimenten als Supraleiter bestätigten. Beide Verbindungen verdanken ihre Eigenschaften Elektronen, die innerhalb eines Kagome-Gitters sogenannte flache Bänder bilden, einer Kristallstruktur, die an ein traditionelles japanisches Flechtmuster erinnert.
Die Ergebnisse stammen aus einer Zusammenarbeit der Aalto-Universität in Finnland, der Rice University und der Princeton University in den Vereinigten Staaten, der Ruhr-Universität Bochum in Deutschland und des Donostia International Physics Center in Spanien. Die Erkenntnisse erschienen in der Fachzeitschrift Physical Review Research, und das Konsortium erklärte, dieselbe Kette aus Vorhersage, Synthese und Überprüfung lasse sich nun in weit größerem Maßstab anwenden.
Die Forscher gehen davon aus, dass der Ansatz des maschinellen Lernens die Zahl der durchmusterbaren Kandidatenmaterialien letztlich in die Milliarden treiben dürfte, verglichen mit der Handvoll, die Labore jedes Jahr von Hand testen. Das 2023 gestartete SuperC-Projekt hat sich das ehrgeizige Ziel gesetzt, bis 2033 einen Supraleiter für Raumtemperatur zu entdecken, ein Material, das Stromnetze, Verkehr und Computertechnik durch den Wegfall von Energieverlusten grundlegend verändern würde.
Die Wissenschaftler betonten zugleich, dass die beiden neuen Verbindungen weiterhin nur bei niedrigen Temperaturen arbeiten und die Alltagstechnik nicht von selbst revolutionieren. Ihre Bedeutung liege vielmehr im Nachweis, dass eine KI-geleitete Entdeckungskette von der rechnerischen Vorhersage bis zur experimentellen Bestätigung durchgängig funktioniert, ein Modell, das Labore weltweit nun übernehmen und in den kommenden Jahren ausbauen dürften.
Kommentare