⚡ Grâce à l'IA, découverte de supraconducteurs à température ambiante ?

Publié par Adrien,
Source: Physical Review Research
Autres langues: EN, DE, ES, PT
Restez toujours informé: suivez-nous sur Google Actualités (icone ☆)

Les supraconducteurs, capables de conduire l'électricité sans perte, sont indispensables pour les ordinateurs quantiques, les IRM ou les trains à sustentation magnétique. Mais ces matériaux ne fonctionnent qu'à des températures extrêmement basses, ce qui freine leur usage. Trouver un supraconducteur opérationnel à température ambiante est considéré comme le Graal de la physique moderne.

Une équipe internationale de scientifiques vient de franchir un pas décisif dans cette quête. En combinant l'intelligence artificielle avec des calculs de physique quantique avancée, ils ont développé une méthode qui permet de passer au crible des milliards de combinaisons de matériaux pour identifier les plus prometteuses.

Leur approche a déjà porté ses fruits: deux nouveaux supraconducteurs ont été découverts, baptisés YRu3B2 et LuRu3B2. Ces matériaux doivent leurs propriétés à une structure géométrique particulière, appelée réseau kagome, qui tire son nom d'un motif de vannerie japonaise.


YRu3B2 et LuRu3B2 doivent leur supraconductivité à des électrons formant des bandes plates dans un réseau kagome, nommé d'après un motif hexagonal de vannerie japonaise.
Crédit: Esa Kapila

La difficulté majeure dans la recherche de supraconducteurs réside dans le nombre quasi infini d'alliages possibles. Sur les quelques 7 000 matériaux déjà identifiés comme supraconducteurs, la plupart l'ont été par hasard. Les calculs théoriques pour prédire si un composé peut devenir supraconducteur sont si lourds qu'ils n'ont été réalisés que pour une vingtaine d'entre eux. La nouvelle stratégie du consortium SuperC change la donne: un algorithme de machine learning présélectionne les candidats les plus intéressants avant d'effectuer les calculs quantiques détaillés, réduisant considérablement le temps et les ressources nécessaires.

Le professeur Päivi Törmä, qui dirige la collaboration, explique que cette méthode pourrait accélérer de manière spectaculaire la découverte de nouveaux matériaux. Avec l'apprentissage automatique, il devient possible de traiter des milliards de combinaisons chimiques, là où les approches classiques plafonnaient à quelques centaines. Les chercheurs ont ainsi pu se concentrer sur les structures les plus prometteuses, comme le réseau kagome, où les électrons forment des "bandes plates" qui favorisent l'apparition de la supraconductivité.

Une fois les prédictions théoriques établies, l'équipe de l'université Rice, dirigée par la professeure Emilia Morosan, a synthétisé les deux nouveaux matériaux en laboratoire. Les tests ont confirmé qu'ils étaient bien supraconducteurs, validant la méthode. Cette preuve de concept, publiée dans la revue Physical Review Research, ouvre la voie à une recherche beaucoup plus systématique et rapide des supraconducteurs.

L'objectif ultime reste la découverte d'un supraconducteur fonctionnant à température ambiante. Un tel matériau pourrait transformer le stockage et le transport de l'électricité, réduisant considérablement la consommation énergétique mondiale en éliminant les pertes. Le consortium SuperC, fondé en 2023, s'est fixé pour but d'y parvenir d'ici 2033. Grâce à l'alliance de l'intelligence artificielle et de la physique quantique, cette quête pourrait bien aboutir plus tôt que prévu.
Page générée en 0.142 seconde(s) - site hébergé chez Contabo
Ce site fait l'objet d'une déclaration à la CNIL sous le numéro de dossier 1037632
A propos - Informations légales - Signaler un contenu
Version anglaise | Version allemande | Version espagnole | Version portugaise