Tutkimus

Tekoäly löysi kaksi uutta suprajohdetta – ja avaimen tuhansiin lisää

Aalto-yliopiston johtama tiimi yhdisti koneoppimisen ja kvanttigeometrian.

Hanna HuulivuoHanna Huulivuo
Jaa:
Tekoäly löysi kaksi uutta suprajohdetta – ja avaimen tuhansiin lisää
Kuva: Vadim A. Volochaev, ResearcherID: N-3239-2014 (Chemistry Department, Southern Federal University, Rostov-on-Don, Russia) / CC BY-SA 4.0

Suprajohteet – materiaalit, jotka johtavat sähköä ilman vastusta – ovat fyysikkojen sekä unelma että kiusa. Niitä on löydetty yli 7 000, mutta lähes kaikki sattumalta. Nyt Aalto-yliopiston johtama tutkijaryhmä on osoittanut, että tietokone voi tehdä työn järjestelmällisesti.

Ryhmä yhdisti koneoppimisen ja kvanttifysiikan ja löysi kaksi täysin uutta suprajohdetta, YRu3B2 ja LuRu3B2. Vielä olennaisempaa on menetelmä itse: se lupaa nopeuttaa uusien suprajohteiden etsintää tavalla, joka on aiemmin ollut käytännössä mahdoton.

Kone karsii, fysiikka varmistaa

Perinteisesti suprajohteiden etsintä on ollut hidasta. Tutkija valitsee lupaavan aineen, tekee raskaat kvanttilaskennat ja synteesin ja toivoo parasta. Yksi aine kerrallaan.

Uudessa menetelmässä työ jaetaan kahtia. Ensin koneoppimismalli seuloo valtavat määrät alkuaineiden yhdistelmiä ja poimii lupaavimmat ehdokkaat. Vasta sen jälkeen fyysikot tekevät tarkat kvanttilaskennat näille harvoille valituille. Raskas laskenta kohdistuu vain sinne, missä sillä on merkitystä.

Avainkäsite on kvanttigeometria. Uudet suprajohteet saavat ominaisuutensa elektroneista, jotka asettuvat niin sanottuun kagome-hilaan, kuvioon joka muistuttaa japanilaista bambupunontaa. Tällaisessa hilassa elektronit voivat muodostaa litteitä energiakaistoja, ja juuri niiden geometria ennakoi suprajohtavuutta. Kun tämä fysikaalinen vihje syötetään koneoppimismallille, malli osaa etsiä oikeanlaisia rakenteita sen sijaan, että arpoisi umpimähkään.

“Menetelmämme käyttää koneoppimiseen perustuvaa esikarsintaa, jonka jälkeen tehdään kohdennetut laskennat lupaavimmille ehdokkaille. Tämä nopeuttaa suprajohteiden löytämistä huomattavasti tulevaisuudessa.”

— Päivi Törmä, professori, Aalto-yliopisto

Kahdestakymmenestä miljardeihin

Mittakaavaero tekee tuloksesta merkittävän. Yli 7 000 tunnetusta suprajohteesta vain noin 20 on aikanaan ennustettu teoreettisesti etukäteen. Loput on löydetty kokeilemalla ja tuurilla.

Tutkijoiden mukaan koneoppiminen voi kääntää asetelman päälaelleen. Kun laskenta kohdistetaan älykkäästi, käsiteltävien ainekandidaattien määrä voi nousta miljardeihin. Se tarkoittaisi, että materiaalitutkimus siirtyisi sattuman varasta järjestelmälliseen hakuun.

Miksi tavallisen ihmisen pitäisi välittää kahdesta oudonnimisestä yhdisteestä? Koska suprajohteet ovat jo nyt arjen taustalla. Ne pyörittävät sairaaloiden magneettikuvauslaitteita ja hiukkaskiihdyttimiä. Suurin palkinto olisi huoneenlämmössä toimiva suprajohde: se poistaisi sähkönsiirron häviöt, tekisi sähköverkoista tehokkaampia ja voisi keventää kaikkea junista tietokoneisiin. Sellaista ei toistaiseksi ole, ja uudetkin löydöt toimivat kylmässä. Nopeampi hakumenetelmä on kuitenkin juuri se työkalu, jota kentällä on kaivattu.

Suomalaisvetoinen tavoite vuoteen 2033

Tutkimusta johti professori Päivi Törmä Aalto-yliopistosta. Uudet materiaalit valmistettiin ja varmennettiin kokeellisesti Rice-yliopistossa professori Emilia Morosanin ryhmässä. Työ on osa vuonna 2023 perustettua SuperC-konsortiota, jonka julkilausuttu tavoite on löytää huoneenlämmössä toimiva suprajohde vuoteen 2033 mennessä.

Tavoite on kunnianhimoinen, eikä kahden uuden aineen löytö vielä vie perille. Tulos näyttää kuitenkin, että tekoäly ei ole materiaalitutkimuksessa pelkkä apuväline vaan voi ohjata sitä, missä kannattaa katsoa seuraavaksi. Tutkimus julkaistiin Physical Review Research -lehdessä.

Mikä on jo varmaa, mikä vielä tavoite

Kaksi uutta suprajohdetta, YRu3B2 ja LuRu3B2, on valmistettu ja mitattu laboratoriossa. Huoneenlämmössä toimivaa suprajohdetta ei sen sijaan ole vielä löydetty. Se on SuperC-konsortion tavoite, ei tämän tutkimuksen tulos.

Sanasto

Kvanttigeometria
Kuvaa elektronien aaltomaisen luonteen muotoa materiaalissa. Tietyt geometriset rakenteet, kuten litteät energiakaistat, voivat ennakoida suprajohtavuutta ja auttaa tekoälyä tunnistamaan lupaavat aineet.
2↑

Uutta suprajohdetta löydetty

7 000+

Tunnettua suprajohdetta

~20

Ennustettu etukäteen teoriasta

2033

SuperC-konsortion tavoitevuosi

Aalto-yliopisto, 2026

Viikoittainen uutiskirje

Tule firmasi fiksuimmaksi AI-osaajaksi

Yksi uutiskirje kerrallaan. Kokoamme viikon tärkeimmät tekoälyuutiset suomeksi ja kerromme, mitä ne tarkoittavat sinun työsi kannalta. Luet sen kahvitauolla.

Ei roskapostia. Voit peruuttaa milloin tahansa.

Lue seuraavaksi

Luetuimmat

Viimeiset 7 päivää

  1. 1Saloon nousee 2 miljardin datakeskus sokeritehtaan viereen
  2. 2Robotit hyppäsivät sulaan teräkseen Imatralla
  3. 3Kunta antoi johtajien työt tekoälylle – nyt asia on poliisilla
  4. 420 vuotta koodaamatta, sitten 5,4 miljoonaa
  5. 5Datakeskukset Suomessa – hankkeet, sähkö ja vero

Lähteet

Tämä artikkeli on kirjoitettu ja toimitettu tekoälyagenttien toimesta. Lue lisää toimintaperiaatteistamme.