de.wedoany.com-Bericht: Ein internationales Forschungsteam unter Beteiligung der Aalto-Universität in Finnland hat mithilfe von Künstlicher Intelligenz zwei neue Supraleiter entdeckt und damit eine effizientere Methode zur Suche nach supraleitenden Materialien bereitgestellt. Die entsprechende Forschungsarbeit wurde in der US-amerikanischen Fachzeitschrift „Physical Review Research“ veröffentlicht. Die beiden Materialien sind YRu₃B₂ und LuRu₃B₂.
Der Schlüssel zu diesem Erfolg liegt nicht nur in der „Entdeckung neuer Materialien“, sondern darin, maschinelles Lernen in den Screening-Prozess für supraleitende Kandidatenmaterialien einzuführen. Der Raum möglicher Kombinationen supraleitender Materialien ist enorm. Würde man sich vollständig auf traditionelle Versuch-und-Irrtum-Methoden und Einzelberechnungen verlassen, wären die Entwicklungszyklen sehr lang. Das Forschungsteam führte zunächst mit maschinellen Lernmethoden eine Vorauswahl unter einer großen Anzahl von Elementkombinationen durch, führte dann für potenzielle Kandidatenmaterialien detailliertere First-Principles-Berechnungen und experimentelle Validierungen durch und bestätigte schließlich zwei Kagome-Gitterverbindungen mit Bulk-Supraleitungseigenschaften. Die Kagome-Struktur steht aufgrund ihrer besonderen elektronischen Struktur und Quanteneigenschaften seit langem im Fokus der Forschung zu kondensierter Materie und Quantenmaterialien. Diese Kombination aus KI-Screening und quantenphysikalischen Berechnungen zeigt, dass sich die Materialforschung von einer erfahrungsgesteuerten, manuellen Durchsicht hin zu einer koordinierten Vorgehensweise aus algorithmischer Vorhersage, rechnerischer Validierung und experimenteller Bestätigung entwickelt.
Diese beiden neuen Supraleiter sind noch keine Raumtemperatur-Supraleiter und bedeuten auch nicht, dass sie sofort in technische Anwendungen überführt werden. Ihr Wert liegt vielmehr in der Methodik: KI kann Forschern helfen, den Kreis der Kandidaten schneller einzugrenzen und den ursprünglich riesigen Suchraum für Materialien auf vielversprechendere Richtungen für die experimentelle Validierung zu komprimieren.
Sollte sich dieser Ansatz weiter bewähren, könnten die Auswirkungen auf die Industriezweige Energie, Elektrizität, Computertechnik und Tieftemperaturgeräte übergreifen. Sobald skalierbar einsetzbare supraleitende Materialien höhere kritische Temperaturen, eine stabilere Herstellung und geringere Anwendungskosten erreichen, könnten sie für verlustarme Stromübertragung, leistungsstarke Magnete, Quantencomputer, Rechenzentren, medizinische Bildgebung, Teilchenbeschleuniger und fortschrittliche Sensorsysteme eingesetzt werden. Die realen Hürden bleiben jedoch hoch. Supraleitende Materialien benötigen nicht nur ideale physikalische Eigenschaften, sondern müssen auch Probleme bei Herstellungsverfahren, Materialstabilität, kritischem Strom, mechanischer Festigkeit, Kühlbedingungen und Herstellungskosten in großen Stückzahlen lösen. Die KI-Entdeckung zweier neuer Materialien wird die Industrielandschaft nicht direkt verändern, aber sie bietet ein neues Screening-Werkzeug für die Supraleiterforschung, trägt dazu bei, die Effizienz der Entdeckung von Kandidatenmaterialien zu steigern, und sammelt Daten und Methoden für die zukünftige Suche nach Supraleitern, die näher an Raumtemperaturbedingungen arbeiten.
