機器學習篩選出兩種新型超導材料，為尋找室溫超導體提供新路徑

超導性源于電子在籠目晶格中形成平帶，籠目晶格以一種日本六邊形籃狀編織圖案命名。圖片來源：阿爾托大學

　　芬蘭阿爾托大學領導的國際科研團隊利用一種結合機器學習與量子理論的新方法，從海量材料組合中“淘”出兩種新型超導材料，大幅提升了超導材料發現效率，為尋找室溫超導體提供了新的技術路徑。相關論文29日發表于《物理評論研究》雜志。

　　超導體能夠在零電阻狀態下傳導電流，這是只有在極低溫條件下才會出現的一種量子效應。如今，超導體不僅是量子計算機的重要基礎，還廣泛應用于神經成像、聚變反應堆、磁懸浮列車等領域。

　　然而，這類“獨角獸”材料極難尋找。理論上，幾乎所有元素都可以組成無限多種材料組合，其中任何一種都有可能成為超導體，但真正具備超導性的卻寥寥無幾。而目前已發現的超導材料，還需要借助昂貴的制冷設備降至接近絕對零度，才能展現其量子特性。

　　在最新研究中，研究團隊首先利用機器學習對海量元素組合進行預篩選，再借助自主開發的算法和量子理論計算，對最具潛力的候選材料開展精確分析，最終鎖定了兩種新型超導材料。

　　研究發現，這兩種材料都具有一種被稱為“籠目晶格”的特殊晶體結構。在這種結構中，電子能夠形成有利于超導產生的“平帶”狀態，為材料表現出超導特性提供了重要條件。

　　完成理論預測后，美國萊斯大學團隊進一步合成了兩種材料樣品，并通過實驗驗證了它們的超導特性，實現了從人工智能篩選、理論預測到實驗驗證的完整研究流程。

　　過去數十年來，科學家已發現7000多種超導材料，但絕大多數屬于偶然發現，通過理論預測找到的僅有20種。新方法采用機器學習進行預篩選，僅對最有希望的候選材料開展高精度計算，可大幅減少計算量，提高篩選效率。

　　未來借助機器學習，可篩選的材料數量有望擴大至數十億種，這將顯著加快新型超導材料的發現速度，向尋找室溫超導體邁出關鍵一步。