Newsletter Subscribe
Enter your email address below and subscribe to our newsletter
[forminator_form id="25163"]

news.futunn+1news.futunneurekalert+1Kaksi erillistä tutkimusprojektia on osoittanut tekoälyn kyvyn nopeuttaa merkittävästi uusien suprajohtavien materiaalien etsintää. Alibaban DAMO Academy on esitellyt autonomisen tekoälyagentin, joka tunnisti neljä uutta suprajohdetta, ja kansainvälinen konsortio on julkaissut koneoppimismenetelmän, joka paljasti kaksi uutta kagome-suprajohdetta.
DAMO Academy ilmoitti 3. heinäkuuta Elements Claw -tekoälyn julkaisusta. Se kuvaili sitä ensimmäiseksi suprajohtavien materiaalien löytämiseen tarkoitetuksi tekoälyagentiksi, joka on kehitetty yhteistyössä Kiinan Renmin-yliopiston ja Kiinan tiedeakatemian yliopiston kanssa. Järjestelmä käytti vain 28 GPU-tuntia 2,4 miljoonan kiderakenteen seulomiseen ja ennusti 68 000 mahdollista suprajohtavaa materiaalia. Neljä täysin uutta yhdistettä syntetisoitiin myöhemmin, ja niiden vahvistettiin osoittavan suprajohtavuutta laboratoriotesteissä.news.futunn+2
Vahvistettuihin materiaaleihin kuuluvat Hf21Re25, joka on olemassa olevista tietokannoista haettu yhdiste; Zr4VRe7, jonka kiderakenne oli aiemmin kirjattu väärin; HfZrRe4, täysin tekoälyn luoma uusi yhdiste; sekä Zr3ScRe8, joka johdettiin analogisen päättelyn avulla rakenteellisesti samankaltaisista materiaaleista. Niiden korkein kriittinen lämpötila oli 6,5 K.news.futunn
Elements Claw käyttää "erikoistuneen ja yleisen integraation" arkkitehtuuria, joka perustuu miljardin parametrin atomiseen perusmalliin, joka on esikoulutettu 125 miljoonalla molekyyli- ja kiderakenteella. Järjestelmä saavuttaa 0,996 AUC-arvon suprajohtavuuden ennustamisessa ja arvioi kriittiset lämpötilat keskimäärin alle 1 K:n virhemarginaalilla. DAMO Academyn tieteellisen älykkyyden johtaja Rong Yu totesi, että nämä ovat "ensimmäinen erä suprajohtavia materiaaleja, jotka tekoälyagentti on löytänyt ja jotka on myöhemmin validoitu kokeellisesti". Koko tietokanta on julkaistu avoimena akateemiseen käyttöön.odaily+2
Erillisesti Aalto-yliopiston professori Päivi Törmän johtama SuperC-konsortio julkaisi Physical Review Research -lehdessä tuloksia koneoppimisohjatusta menetelmästä, joka tunnisti kaksi uutta kagome-suprajohdetta: YRu3B2 ja LuRu3B2. Nämä materiaalit saavat suprajohtavuutensa elektroneista, jotka muodostavat tasomaisia vöitä kagome-hilassa, joka on japanilaisesta korinpunontakuviosta nimensä saanut geometrinen järjestely.azoquantum+3
SuperC on ensimmäinen koordinoitu maailmanlaajuinen yhteistyö, joka on omistautunut uusien suprajohteiden löytämiselle, ja sen kunnianhimoisena tavoitteena on saavuttaa huoneenlämpöinen suprajohtavuus vuoteen 2033 mennessä. Konsortion lähestymistapa käyttää koneoppimista lupaavien alkuaineyhdistelmien rajaamiseen ennen kuin ehdokkaat varmistetaan kvanttifysiikan laskelmien avulla.eurekalert+1
Nämä kaksi läpimurtoa, jotka tapahtuivat vain päivien välein, korostavat muutosta materiaalitieteen tutkimustavoissa. Siinä missä perinteinen suprajohteiden löytäminen perustui intuitioon ja työlääseen yrityksen ja erehdyksen menetelmään, tekoälyjärjestelmät voivat nyt seuloa miljoonia ehdokkaita ja ohjata tutkijoita lupaavimpien vaihtoehtojen pariin. "Uusia suprajohteita voidaan nyt löytää paljon nopeammin", Törmä sanoi julkistaessaan SuperC-tulokset.eurekalert