هوش مصنوعی شتاب جستوجوی ابررساناهای دمای اتاق را چند برابر کرد
گروهی از پژوهشگران بینالمللی موفق شدهاند با تلفیق یادگیری ماشین و محاسبات پیشرفته فیزیک کوانتومی رویکردی نوین برای شناسایی ابررساناهای جدید توسعه دهند.
به گزارش ساینس دیلی، این روش امکان غربالگری میلیاردها ترکیب احتمالی از عناصر شیمیایی را فراهم میکند و امیدوارکنندهترین گزینهها را برای بررسی دقیقتر در اختیار دانشمندان قرار میدهد.
این دستاورد که توسط کنسرسیوم SuperC به رهبری پایوی تورما استاد دانشگاه آلتو فنلاند حاصل شده است تاکنون به کشف دو ماده ابررسانای جدید با نامهای YRu₃B₂ و LuRu₃B₂ منجر شده است. به گفته پژوهشگران این فناوری میتواند روند کشف نسل جدید ابررساناها را به میزان قابل توجهی سرعت ببخشد.
ابررساناها موادی هستند که به دلیل یک پدیده کوانتومی جریان الکتریکی را بدون هیچگونه مقاومت الکتریکی منتقل میکنند اما این ویژگی معمولا تنها در دماهای بسیار پایین و نزدیک به صفر مطلق ظاهر میشود. این مواد نقش کلیدی در فناوریهای پیشرفته از جمله رایانههای کوانتومی، دستگاههای تصویربرداری پزشکی مانند MRI، سامانههای تصویربرداری عصبی، راکتورهای همجوشی هستهای و قطارهای مغناطیسی پرسرعت (Maglev) دارند.
با وجود اهمیت بالای ابررساناها، کشف مواد جدید در این حوزه بسیار دشوار است. از نظر تئوری تعداد ترکیبهای ممکن از عناصر شیمیایی تقریباً نامحدود است، اما تنها بخش بسیار کوچکی از آنها خاصیت ابررسانایی دارند. علاوه بر این بیشتر ابررساناهای شناختهشده تنها با استفاده از سامانههای سرمایشی بسیار پرهزینه و در دماهای نزدیک به صفر مطلق قادر به عملکرد هستند.
به همین دلیل یکی از مهمترین اهداف پژوهشگران در سراسر جهان دستیابی به ابررسانایی است که در دمای اتاق عمل کند، دستاوردی که میتواند تحول بزرگی در صنعت انرژی و فناوری ایجاد کند.
تورما در اینباره گفت: مواد ابررسانایی که در دمای اتاق کار کنند شیوه مصرف انرژی در جهان را برای همیشه تغییر خواهند داد. اگر چنین موادی جایگزین رساناهای معمولی در تجهیزاتی مانند رایانهها و مراکز داده شوند مصرف جهانی انرژی به شکل چشمگیری کاهش مییابد و میزان گرمای تولیدشده توسط بخش فناوری اطلاعات و ارتباطات نیز بهطور قابل توجهی کمتر خواهد شد.
کنسرسیوم SuperC در سال ۲۰۲۳ با همکاری گروهی از برجستهترین فیزیکدانان جهان و به رهبری دانشگاه آلتو تاسیس شد. هدف اصلی این همکاری بینالمللی بهرهگیری از فیزیک کوانتومی برای مقابله با چالش تغییرات اقلیمی و دستیابی به یک ابررسانای دمای اتاق تا سال ۲۰۳۳ است. این پروژه نخستین همکاری هماهنگ جهانی است که بهطور اختصاصی بر کشف ابررساناهای جدید تمرکز دارد.
بر اساس توضیحات پژوهشگران راهبرد جدید آنها بر ترکیب هندسه کوانتومی و یادگیری ماشین استوار است. در این روش الگوریتمهای هوش مصنوعی ابتدا میلیونها تا میلیاردها ترکیب احتمالی عناصر را بررسی کرده و امیدوارکنندهترین گزینهها را انتخاب میکنند. سپس این گزینهها با استفاده از محاسبات نظری بسیار دقیق مورد ارزیابی قرار میگیرند تا مشخص شود آیا قابلیت ابررسانا شدن دارند یا خیر.
دو ماده تازه کشفشده یعنی YRu₃B₂ و LuRu₃B₂ خاصیت ابررسانایی خود را مدیون تشکیل نوارهای تخت الکترونی (Flat Bands) در ساختاری موسوم به شبکه کاگومه (Kagome Lattice) هستند؛ آرایشی هندسی که الهامگرفته از الگوی سنتی بافت سبدهای ژاپنی است و در سالهای اخیر توجه زیادی را در فیزیک ماده چگال به خود جلب کرده است.
پس از شناسایی این ترکیبها توسط الگوریتمهای یادگیری ماشین و تایید نظری آنها پژوهشگران دانشگاه رایس آمریکا به سرپرستی امیلیا موروسان این مواد را در آزمایشگاه سنتز کردند. آزمایشهای بعدی نیز نشان داد که هر دو ترکیب واقعا دارای خاصیت ابررسانایی هستند.
نتایج این پژوهش که بهعنوان یک مطالعه اثبات مفهوم (Proof of Concept) منتشر شده، بهتازگی در نشریه علمی Physical Review Research به چاپ رسیده است.
پژوهشگران تاکید میکنند که فیزیک کوانتومی حاکم بر پدیده ابررسانایی بسیار پیچیده است و همین موضوع کشف مواد جدید را به فرآیندی زمانبر و پرهزینه تبدیل کرده است. به گفته تورما تاکنون بیش از ۷ هزار ابررسانا شناسایی شدهاند اما بیشتر آنها بهصورت اتفاقی کشف شدهاند و تنها حدود ۲۰ ماده پیش از ساخت بهطور نظری با موفقیت پیشبینی شده بودند، زیرا انجام محاسبات لازم برای پیشبینی ابررسانایی به توان پردازشی بسیار بالایی نیاز دارد.
علاوه بر این بسیاری از موادی که از نظر تئوری امیدوارکننده به نظر میرسند در عمل یا تولیدشان دشوار است یا امکان تولید انبوه و استفاده صنعتی از آنها وجود ندارد.
روش جدید کنسرسیوم SuperC این مشکل را با استفاده از غربالگری اولیه مبتنی بر یادگیری ماشین برطرف میکند؛ بهگونهای که تنها امیدوارکنندهترین ترکیبها وارد مرحله محاسبات سنگین و پرهزینه میشوند.
تورما در پایان گفت: روش ما با استفاده از پیشغربالگری مبتنی بر یادگیری ماشین و انجام محاسبات هدفمند روی بهترین گزینهها روند کشف ابررساناها را بهطور قابل توجهی تسریع خواهد کرد. با کمک هوش مصنوعی احتمالا میتوانیم تعداد موادی را که بررسی میکنیم به میلیاردها ترکیب برسانیم؛ موضوعی که ما را یک گام اساسی به دستیابی به ابررسانای دمای اتاق نزدیکتر میکند.
انتهای پیام/
