Ein internationales Forscherteam hat eine leistungsstarke neue Methode zur Entdeckung von Supraleitern demonstriert, die maschinelles Lernen mit fortgeschrittener Quantenphysik kombiniert. Der vom SuperC-Konsortium unter der Leitung von Professor Päivi Törmä von der Aalto-Universität entwickelte Ansatz ermöglicht es Wissenschaftlern, eine nahezu unbegrenzte Anzahl möglicher Materialkombinationen zu durchsuchen und die vielversprechendsten Kandidaten für Supraleitung zu identifizieren.
Der Durchbruch hat bereits zur Entdeckung von zwei neuen supraleitenden Materialien geführt: YRu3B2 und LuRu3B2. Diese Materialien verdanken ihre supraleitenden Eigenschaften Elektronen, die in einem Kagome-Gitter flache Bänder bilden – einer geometrischen Anordnung, die von traditionellen japanischen Korbmustern inspiriert ist.
Das SuperC-Konsortium, gegründet 2023, ist die erste koordinierte globale Zusammenarbeit, die sich der systematischen Entdeckung neuer Supraleiter widmet, mit dem ehrgeizigen Ziel, bis 2033 einen Raumtemperatur-Supraleiter zu identifizieren.
Um diese Materialien zu finden, setzten die Forscher zunächst maschinelles Lernen ein, um eine Vielzahl möglicher Elementkombinationen zu screenen. Ein spezialisierter Algorithmus identifizierte die vielversprechendsten Kandidaten, die dann mit detaillierten theoretischen Berechnungen untersucht wurden. Die Proof-of-Concept-Studie wurde am 17. Juni 2026 in Physical Review Research veröffentlicht.
