Teknologia

Tutkijat löysivät uusia suprajohteita tekoälyn avulla

Kansainvälinen tutkijaryhmä on löytänyt tekoälyä hyödyntävän menetelmän avulla kaksi aiemmin tuntematonta suprajohdetta. Tutkimus osoittaa, että koneoppiminen voi merkittävästi nopeuttaa sähköä häviöttömästi johtavien materiaalien löytämistä.

Uutismaa·
Tutkijat löysivät uusia suprajohteita tekoälyn avulla
Kuva: STT Info – Uusimmat tiedotteet

Aalto-yliopiston, Teknillisen korkeakoulun Zürichin (ETH Zürich) ja useiden muiden eurooppalaisten tutkimuslaitosten fyysikot ovat onnistuneet tunnistamaan kaksi uutta suprajohtavaa materiaalia. Materiaalien rakenteet on todennettu kokeellisesti, mikä vahvistaa tutkimuksessa käytetyn uuden seulontamenetelmän toimivuuden.

Tutkimusryhmä hyödynsi koneoppimista ja generatiivista tekoälyä uudenlaisten kiderakenteiden etsimiseen. Tutkijat analysoivat algoritmien avulla tuhansia mahdollisia materiaaliyhdistelmiä ja ennustivat niiden kykyn johtaa sähköä ilman vastusta. Valituista ehdokkaista kaksi valmistettiin laboratoriossa, ja ne osoittautuivat testeissä suprajohteiksi.

Suprajohteet mahdollistavat sähkönjohtamisen ilman energiahäviöitä, mutta tähän asti uusia materiaaleja on löydetty hitaasti kokeellisten menetelmien avulla. Tutkijoiden mukaan nyt kehitetty menetelmä nopeuttaa prosessia huomattavasti. Tekoäly onnistui löytämään materiaaleja, joiden rakenteet eroavat merkittävästi aiemmin tunnetuista suprajohteista.

Tutkimuksessa todettujen kokeellisten tulosten merkitys korostuu siinä, että algoritmin tekemät ennusteet pitivät paikkansa todellisissa laboratorio-olosuhteissa. Vaikka uudet suprajohteet edellyttävät edelleen toimiakseen erittäin kylmiä lämpötiloja, tutkijat arvioivat, että vastaavanlaisilla mallinnuksilla voidaan tulevaisuudessa löytää tuhansia uusia materiaaleja.

Seuraavana askeleena tutkimusryhmä aikoo hyödyntää tekoälyä sellaisten materiaalien etsimiseen, jotka toimisivat suprajohteina mahdollisimman korkeissa lämpötiloissa. Tällaisilla materiaaleilla olisi merkittävää käyttöpotentiaalia esimerkiksi sähköverkkojen energiatehokkuuden parantamisessa ja kvanttitietokoneiden kehityksessä.