O aprendizado de máquina está oferecendo aos cientistas uma nova maneira poderosa de pesquisar supercondutores, materiais que conduzem eletricidade com resistência zero. Uma equipa internacional demonstrou que a inteligência artificial pode rapidamente restringir um número quase infinito de combinações de materiais possíveis para identificar os candidatos mais promissores. De acordo com o professor da Universidade Aalto, Päijvi Törmä, que gerencia SuperC consórcio, esta abordagem poderia acelerar enormemente a descoberta de novos supercondutores.
Os supercondutores permitem que a corrente elétrica flua sem perda de energia, mas apenas quando resfriados a temperaturas muito baixas, onde ocorrem efeitos quânticos. Estes materiais notáveis já são utilizados numa variedade de tecnologias, desde computadores quânticos e sistemas médicos de neuroimagem até reactores de fusão e comboios maglev.
Apesar do seu enorme potencial, os supercondutores ainda são extremamente difíceis de detectar. Existem combinações virtualmente infinitas de elementos químicos que podem formar novos materiais, mas apenas uma pequena fração se revela supercondutora. Aqueles que já foram descobertos geralmente requerem sistemas de resfriamento caros que os aproximam do zero absoluto antes de exibirem suas propriedades únicas.
Cientistas de todo o mundo estão à procura de um supercondutor prático que possa funcionar à temperatura ambiente.
“Os materiais supercondutores que podem operar à temperatura ambiente mudarão para sempre a forma como consumimos energia”, explica Terma. “Se tal material pudesse substituir os condutores convencionais em aplicações como computadores e centros de dados, o consumo global de energia poderia ser reduzido e a pegada térmica do sector das TIC significativamente reduzida.”
IA e física quântica unem forças
O Consórcio SuperC foi fundado em 2023 pelo Professor Tsörmä e um grupo internacional de físicos líderes que partilham o objetivo de usar a física quântica para combater as alterações climáticas. Esta é a primeira colaboração global coordenada dedicada à descoberta de novos supercondutores, com o ambicioso objetivo de encontrar um supercondutor à temperatura ambiente até 2033.
A combinação da geometria quântica com o aprendizado de máquina fornece uma estrutura poderosa para essa busca, disse Therm. No trabalho mais recente da equipe, os supercondutores recém-descobertos, YRu3B2 e LouRoo3B2deve suas propriedades aos elétrons que formam as faixas planas na rede kagome, uma estrutura geométrica inspirada nos padrões tradicionais de cestaria japonesa.
Para identificar esses materiais, os pesquisadores primeiro usaram o aprendizado de máquina para examinar rapidamente o grande número de combinações possíveis de elementos. Um algoritmo especializado selecionou os candidatos mais promissores, que foram então analisados usando cálculos quânticos detalhados para determinar se poderiam se tornar supercondutores.
Depois que as previsões foram confirmadas teoricamente, a equipe da Universidade Rice sintetizou os materiais combinando quimicamente seus elementos constituintes em novos compostos. A equipe de Rice, liderada pela professora Emilia Morosan, confirmou experimentalmente que ambos os materiais eram de fato supercondutores.
Um estudo de prova de conceito foi publicado recentemente no Pesquisa de revisão física.
Um caminho mais rápido para novos supercondutores
Desenvolver uma compreensão completa da mecânica quântica da supercondutividade é extremamente desafiador, tornando a busca por novos materiais supercondutores lenta e exigente em termos computacionais.
“Ao longo das décadas, os pesquisadores reconheceram mais de 7.000 supercondutores, mas principalmente por acaso”, explica Terma. “O processo de identificação de possíveis materiais é tão intensivo em termos computacionais que, na verdade, os pesquisadores foram capazes de prever teoricamente a viabilidade de apenas cerca de 20 deles.”
Mesmo que um material pareça promissor no papel, pode revelar-se impraticável porque é muito difícil de sintetizar ou impossível de fabricar em escala, observa Terma. Tradicionalmente, a avaliação de um grande número de materiais potenciais requer enormes recursos computacionais. A abordagem orientada por IA da equipe SuperC muda esse processo, concentrando cálculos detalhados apenas nos candidatos mais fortes.
“Nosso método usa pré-seleção baseada em aprendizado de máquina, seguida de cálculos direcionados de candidatos promissores. Essa abordagem acelerará enormemente a descoberta de supercondutores no futuro. Com o aprendizado de máquina, podemos aumentar para bilhões o número de materiais que podemos processar”, diz Terma. “Isso nos trará um passo crítico mais perto de encontrar um supercondutor à temperatura ambiente.”
Olhe para frente
Pesquisa SuperC será apresentada na Universidade Aalto Projeto para um planeta mais frio exposição de 1º de setembro a 30 de outubro de 2026 na Grande Helsinque, Finlândia.
O consórcio SuperC recebe financiamento da Fundação Kavli, Klaus Tschira Stiftung, Fundação Kevin Wells, Jane e Aatos Erkko, Fundação Keele, Fundação Magnus Ehrnrooth e Fundação Neste e Fortum.
