AI ontdekt twee ‘verborgen’ supergeleiders in bestaande materiaalbibliotheken

Kunstmatige intelligentie heeft twee nieuwe supergeleiders geïdentificeerd op een verrassende plek: tussen materialen die al decennialang in wetenschappelijke databases staan. Onderzoekers van Rice University en internationale partners gebruikten een AI-model om duizenden bekende verbindingen opnieuw te analyseren. De voorspellingen bleken juist toen de materialen daadwerkelijk werden gesynthetiseerd en getest.

De resultaten zijn gepubliceerd in Physical Review Research.

De twee verbindingen, YRu₃B₂ (yttrium-ruthenium-boride) en LuRu₃B₂ (lutetium-ruthenium-boride), vertonen supergeleiding bij zeer lage temperaturen. Hoewel ze voor praktische toepassingen nog weinig aantrekkelijk zijn, is volgens de onderzoekers vooral de gebruikte methode de echte doorbraak.

Niet de materialen, maar de methode

De zoektocht naar nieuwe supergeleiders is traditioneel een langdurig proces van intuïtie, theoretische berekeningen en experimenteel testen. Slechts een klein deel van de onderzochte materialen blijkt uiteindelijk daadwerkelijk supergeleidend te zijn. Machine learning kan dat proces drastisch versnellen door patronen te herkennen die voor onderzoekers moeilijk zichtbaar zijn.

In dit onderzoek analyseerde een AI-model complete families van anorganische verbindingen. Daarbij keek het niet alleen naar chemische samenstellingen, maar ook naar subtiele relaties tussen kristalstructuren, elektronische eigenschappen en bekende supergeleiders. Uit duizenden kandidaten selecteerde het systeem een kleine shortlist van veelbelovende materialen.

Opvallend genoeg stonden de uiteindelijke winnaars al jarenlang in materiaaldatabases. Ze waren eerder onderzocht vanwege hun kristalstructuur of andere materiaaleigenschappen, maar nooit getest op supergeleiding.

Experimentele bevestiging

Voorspellingen van AI zijn pas waardevol wanneer ze experimenteel kunnen worden bevestigd. Daarom vervaardigden de onderzoekers beide verbindingen in het laboratorium en voerden zij lage-temperatuurmetingen uit.

Beide materialen bleken inderdaad supergeleidend te worden bij temperaturen rond enkele kelvin, net boven het kookpunt van vloeibaar helium. Daarmee bevestigde het experiment de voorspellingen van het AI-model.

Hoewel deze kritische temperaturen te laag zijn voor praktische toepassingen zoals verliesvrije elektriciteitsnetten of compacte MRI-systemen, laat het onderzoek zien dat AI verborgen kansen in bestaande materiaalcollecties kan blootleggen.