超导体能够以零电阻传输电流，这一量子效应使它们不仅在量子计算机中发挥关键作用，还在神经影像、聚变反应堆和磁悬浮列车等众多领域拥有巨大应用潜力。然而，这些“独角兽”材料的发现一直是科学界的重大球盟会挑战。一个国际量子研究团队现已展示，机器学习可以用于从几乎无限数量的可能材料组合中筛选出超导体的候选者。这一突破使得寻找新型超导材料的速度大幅提升。

　　超导性是量子力学最引人注目的宏观表现之一，但其理论极其复杂，使得寻找新型超导体成为一项艰巨任务。奥尔托大学教授、SuperC联盟负责人Päivi Törmä解释道：“几十年来，研究人员已经发现了超过7000种超导体，但大多都是偶然发现的。识别可能材料的过程计算量如此之大，以至于研究人员实际上只能够从理论上预测其中大约20种的可行性。”计算筛选材料需要的算力十分庞大，且多数看似可行的组合根本无法合成或规模化应用。

　　全球科学家正在竞相寻找能够在室温下工作的可规模化超导体。Törmä强调：“能够在室温下运行的超导材料将永远改变我们消费能源的方式。如果这种材料能够替代计算机和数据中心等应用中的常规导体，全球能源消耗可以大幅削减，ICT行业的热排放也将显著减少。”

　　2023年，由Törmä教授和一群知名物理学家组成的SuperC联盟正式成立。这是全球首个寻找新型超导体的协调合作项目，目标是到2033年找到室温超导体。SuperC将量子几何与机器学习相结合，形成了独特的优势。他们最新发现的两个超导材料YRu3B2和LuRu3B2，其超导性来自电子在一个被称为kagome晶格的传统日本篮子编织图案中形成的平带。

　　研究团队使用机器学习缩小了有前景的元素组合范围。通过独特的算法进行预筛选后，团队进行了详细计算，以确定哪些材料可能具有超导性。在理论确认后，莱斯大学的SuperC合作者在Emilia Morosan教授的带领下合成了样品，并进行了测试以确认其超导性。

　　Törmä表示：“我们的方法使用基于机器学习的预筛选，然后对具有前景的候选者进行有针对性的计算。这种方法将大大加速未来的超导体发现速度。有了机器学习，我们可能能够将可处理的材料数量推至数十亿级别。这将使我们朝着找到室温超导体的目标迈出关键一步。”

　　这篇概念验证论文最近发表在《物理评论研究》期刊上。SuperC联盟由卡夫利基金会、克劳斯·奇拉基金会和凯文·威尔斯等机构资助，同时也获得了Jane and Aatos Erkko基金会、Keele基金会和Magnus Ehrnrooth基金会的支持。其研究将在2026年9月1日至10月30日在芬兰大赫尔辛基地区的“为更凉爽星球的设计”展览中展出，向公众展示超导技术如何助力全球减排。这项突破的意义不仅在于找到了两种新型超导体，更在于展示了一种可复制的方法论。该方法为超导材料发现的范式转变奠定了基础，意味着未来科学家不再需要依赖偶然发现，而是可以通过计算智能系统地挖掘材料宝藏。

　　仅需 0.01 元！畅查仪器中标 / 经销商 / 采购单位全信息 → 点我直达