Un consortium international de recherche a identifié deux supraconducteurs jusque-là inconnus grâce à l'apprentissage automatique, une avancée qui, selon les scientifiques, pourrait accélérer considérablement la course mondiale aux matériaux conduisant l'électricité sans aucune perte. La découverte, annoncée par l'université Aalto en Finlande et ses institutions partenaires, constitue l'une des premières fois où l'intelligence artificielle guide la découverte confirmée de nouveaux matériaux supraconducteurs.
Les supraconducteurs transportent le courant électrique avec une résistance nulle, une propriété qui sous-tend des technologies comme les scanners IRM, les trains à lévitation magnétique et les ordinateurs quantiques. Jusqu'à présent, ils ne fonctionnent qu'à des températures extrêmement basses ou sous une pression énorme, et la recherche de nouveaux candidats reposait traditionnellement sur une expérimentation lente par essais et erreurs. La quête d'un matériau supraconducteur à température ambiante demeure l'un des objectifs les plus convoités de la physique.
L'équipe, réunie au sein du consortium SuperC dirigé par la professeure Päivi Törmä de l'université Aalto, a combiné des méthodes d'apprentissage automatique avec des calculs de physique quantique pour passer au crible des composés candidats. L'approche a repéré deux matériaux, YRu3B2 et LuRu3B2, que les chercheurs ont ensuite synthétisés en laboratoire et confirmés comme supraconducteurs par des expériences. Les deux composés tirent leurs propriétés d'électrons formant des bandes dites plates au sein d'un réseau kagome, une structure cristalline qui rappelle un motif traditionnel de vannerie japonaise.
Ces résultats sont le fruit d'une collaboration réunissant l'université Aalto en Finlande, les universités Rice et Princeton aux États-Unis, l'université de la Ruhr à Bochum en Allemagne et le Centre international de physique de Donostia en Espagne. Les conclusions ont été publiées dans la revue Physical Review Research, et le consortium a indiqué que la même chaîne de prédiction, synthèse et vérification peut désormais être appliquée à une échelle bien plus grande.
Les chercheurs estiment que l'approche par apprentissage automatique pourrait à terme porter à plusieurs milliards le nombre de matériaux candidats analysables, contre une poignée que les laboratoires peuvent tester manuellement chaque année. Le projet SuperC, lancé en 2023, s'est fixé l'objectif ambitieux de découvrir un supraconducteur à température ambiante d'ici 2033, un matériau qui transformerait les réseaux électriques, les transports et l'informatique en éliminant les pertes d'énergie.
Les scientifiques ont toutefois précisé que les deux nouveaux composés fonctionnent encore à basse température et ne révolutionneront pas à eux seuls la technologie du quotidien. Leur importance, souligne l'équipe, réside dans la démonstration qu'une chaîne de découverte guidée par l'IA fonctionne de bout en bout, de la prédiction informatique à la confirmation expérimentale, offrant un modèle que les laboratoires du monde entier peuvent désormais adopter et déployer à plus grande échelle.
Commentaires