Científicos descubren método acelerado para identificar miles de nuevos superconductores mediante inteligencia artificial
Un equipo internacional liderado por la Universidad Aalto de Finlandia ha descubierto dos nuevos materiales superconductores utilizando un método de detección basado en aprendizaje automático, demostrando una vía más rápida para identificar materiales que podrían eventualmente permitir la superconductividad a temperatura ambiente, según un estudio publicado en Physical Review Research.
Los investigadores combinaron aprendizaje automático con cálculos de física cuántica para identificar dos superconductores previamente desconocidos, YRu3B2 y LuRu3B2, según informó la Universidad Aalto. El enfoque reduce significativamente el tiempo necesario para examinar el enorme número de combinaciones posibles de materiales.
Los superconductores pueden transportar electricidad con resistencia cero, pero solo a temperaturas extremadamente bajas, según la fuente. Actualmente se utilizan en tecnologías como computadoras cuánticas, escáneres de resonancia magnética, reactores de fusión y trenes de levitación magnética. Los científicos han buscado durante mucho tiempo materiales que mantengan la superconductividad a temperatura ambiente, un avance que podría transformar la transmisión de energía y la computación.
Los materiales recién descubiertos derivan sus propiedades superconductoras de electrones dispuestos en una red kagome, un patrón geométrico inspirado en el tejido tradicional japonés de cestas, según el estudio. Después de que el aprendizaje automático identificara candidatos prometedores, los investigadores los verificaron mediante cálculos teóricos antes de sintetizar y confirmar experimentalmente los materiales.
La inteligencia artificial reduce la búsqueda
Según los investigadores, el nuevo flujo de trabajo aborda uno de los mayores desafíos en la investigación de superconductores: el número abrumador de posibles combinaciones de materiales.
"Los materiales superconductores que pueden operar a temperatura ambiente cambiarían para siempre la forma en que consumimos energía", explicó la profesora Päivi Törmä de la Universidad Aalto. "Si tal material pudiera reemplazar a los conductores regulares en aplicaciones como computadoras y centros de datos, el consumo global de energía podría reducirse drásticamente y la huella térmica del sector de las tecnologías de la información y comunicación se reduciría enormemente", dijo.
El trabajo forma parte del consorcio SuperC, una colaboración internacional lanzada en 2023 con el objetivo de descubrir un superconductor a temperatura ambiente para 2033, según la fuente.
Después de la detección computacional, colaboradores de la Universidad Rice sintetizaron los materiales candidatos en muestras reales, según el informe. El equipo experimental confirmó posteriormente que ambos compuestos exhibían superconductividad, proporcionando prueba de que el proceso de descubrimiento guiado por aprendizaje automático funciona.
El proceso de descubrimiento se acelera
Durante décadas, los científicos han dependido en gran medida del ensayo y error para descubrir materiales superconductores, según la fuente.
"A lo largo de las décadas, los investigadores han reconocido más de 7.000 superconductores, pero principalmente de manera fortuita", explicó Törmä. "El proceso de identificar posibles materiales es tan computacionalmente pesado que, de hecho, los investigadores solo han podido predecir teóricamente la viabilidad de aproximadamente 20 de estos", dijo.
Los investigadores afirman que su enfoque podría expandir dramáticamente el número de materiales que pueden ser evaluados.
"Nuestro método utiliza una preselección basada en aprendizaje automático seguida de cálculos dirigidos sobre los candidatos prometedores. Este enfoque acelerará enormemente el descubrimiento de superconductores en el futuro. Con el aprendizaje automático, podríamos ser capaces de llevar el número de materiales que podemos procesar a miles de millones", dijo Törmä. "Esto nos llevará un paso crítico más cerca de encontrar un superconductor a temperatura ambiente", añadió.
En lugar de reemplazar los cálculos tradicionales de física, el sistema de aprendizaje automático actúa como un filtro, permitiendo a los investigadores enfocar recursos computacionales en los candidatos más prometedores, según la fuente. El equipo cree que el enfoque podría desbloquear miles de nuevos superconductores y acelerar la búsqueda de materiales adecuados para aplicaciones de energía y computación a gran escala.
Implicaciones y perspectivas futuras
El descubrimiento representa un cambio metodológico significativo en la ciencia de materiales. Mientras que históricamente solo se han podido predecir teóricamente unos 20 superconductores de los más de 7.000 conocidos, el nuevo método podría permitir el procesamiento de miles de millones de combinaciones de materiales, según los investigadores.
La capacidad de procesar cantidades masivas de candidatos potenciales mediante inteligencia artificial antes de realizar cálculos cuánticos detallados podría reducir drásticamente el tiempo y los recursos necesarios para identificar nuevos superconductores. Esto resulta especialmente relevante para el objetivo del consorcio SuperC de lograr superconductividad a temperatura ambiente para 2033.
Si se alcanza ese objetivo, las implicaciones serían transformadoras para múltiples sectores. La transmisión de energía sin pérdidas podría revolucionar las redes eléctricas globales, mientras que la computación sin generación de calor por resistencia eléctrica podría reducir significativamente el consumo energético del sector tecnológico, que actualmente representa una porción creciente del uso global de electricidad.
El estudio fue publicado en Physical Review Research y representa una colaboración entre la Universidad Aalto de Finlandia y la Universidad Rice de Estados Unidos, entre otras instituciones.
