Yapay zeka iki yeni süperiletken malzemenin keşfini hızlandırdı

Süperiletkenler, elektrik akımını direnç ve enerji kaybı olmadan iletebildikleri için veri merkezlerinden kuantum bilgisayarlara, medikal görüntüleme sistemlerinden füzyon reaktörlerine kadar birçok ileri teknoloji alanında kritik öneme sahip. Ancak mevcut süperiletkenlerin büyük bölümü, bu özelliklerini gösterebilmek için mutlak sıfıra yakın çok düşük sıcaklıklara ihtiyaç duyuyor. Bu durum, pahalı kriyojenik soğutma sistemlerini zorunlu hale getirirken oda sıcaklığında çalışabilecek pratik süperiletken arayışını küresel bilim ve teknoloji gündeminin en önemli başlıklarından biri haline getiriyor. Profesör Törmä liderliğindeki uluslararası SuperC Konsorsiyumu, makine öğrenimi algoritmaları ve kuantum geometrisini birleştirerek iki yeni süperiletken malzeme keşfetti.

SUPER C KONSORSİYUMU 2033 HEDEFİYLE KURULDU
SuperC Konsorsiyumu, kuantum fiziğini iklim değişikliğiyle mücadele ve enerji verimliliği hedefleriyle ilişkilendirmek amacıyla 2023 yılında kuruldu. Konsorsiyumun uzun vadeli hedefi, 2033 yılına kadar oda sıcaklığında çalışabilecek bir süperiletken bulmak. Son çalışmada geliştirilen yöntem, yeni süperiletken adaylarının geleneksel deneme-yanılma süreçlerine kıyasla daha hızlı ve sistematik biçimde belirlenebileceğini ortaya koydu. Physical Review Research dergisinde yayımlanan kavramsal doğrulama çalışması, malzeme keşif süreçlerinde yapay zeka destekli tarama yaklaşımının kullanılabileceğini gösteriyor.

İKİ YENİ MALZEME BELİRLENDİ
Araştırmada YRu₃B₂ ve LuRu₃B₂ kodlu iki yeni süperiletken bileşik keşfedildi. Bu malzemelerin öne çıkan özelliği, atomik düzeyde 'kagome kafesi' olarak adlandırılan özel bir geometrik düzene sahip olmaları. Japon sepet örme desenlerinden esinlenen bu yapı, malzeme içinde elektronların 'düz bantlar' oluşturmasına yardımcı oluyor. Araştırmacılar, bu düzenin elektron davranışını süperiletkenlik fazına geçişi kolaylaştıracak şekilde etkileyebileceğini belirtiyor.

MAKİNE ÖĞRENİMİYLE ÖN TARAMA YAPILDI
Çalışmada ilk aşamada milyarlarca olası kimyasal element kombinasyonu, özel olarak geliştirilen makine öğrenimi algoritmalarıyla tarandı. Bu ön tarama sayesinde süperiletkenlik potansiyeli daha yüksek adaylar geniş veri havuzu içinden ayrıştırıldı. Yapay zeka, araştırmacıların kaynaklarını rastgele denemeler yerine en güçlü adaylar üzerinde yoğunlaştırmasına imkan sağladı. Böylece süperiletken keşfinde zaman ve hesaplama maliyetini azaltabilecek daha hedefli bir süreç izlendi.

KUANTUM MODELLEMEYLE DOĞRULANDI
Makine öğrenimi algoritmalarının seçtiği adaylar, daha sonra yoğun kuantum hesaplama yöntemleriyle analiz edildi. Bu aşamada malzemelerin elektronik yapıları, atomik geometrileri ve süperiletkenlik potansiyelleri teorik olarak değerlendirildi. Kuantum modelleme süreci, kağıt üzerinde umut vadeden adayların gerçekten süperiletkenlik davranışı gösterip gösteremeyeceğini anlamak için kullanıldı. Böylece yapay zeka tarafından seçilen malzemeler, daha ayrıntılı fiziksel hesaplamalardan geçirildi.

LABORATUVARDA SENTEZLENDİ
Teorik aşamanın ardından Rice Üniversitesi’nde Profesör Emilia Morosan liderliğindeki işbirlikçi ekip, belirlenen bileşen elementleri kimyasal olarak sentezledi. YRu3B2 ve LuRu3B2 bileşiklerinin laboratuvarda üretilmesiyle, yapay zeka destekli tarama ve kuantum modelleme sonuçları deneysel olarak da test edildi. Bu süreç, yalnızca teorik olarak umut veren değil, aynı zamanda kimyasal olarak üretilebilen süperiletken adaylarının seçilmesi açısından önemli bir adım oldu.

TESADÜFİ KEŞİFLERİN YERİNİ HEDEFLİ ARAMA ALIYOR
Profesör Törmä, süperiletken keşiflerinin uzun yıllar boyunca büyük ölçüde laboratuvarlardaki tesadüfi bulgulara dayandığını belirtiyor. Törmä’ye göre araştırmacılar bugüne kadar 7 binden fazla süperiletken keşfetmiş olsa da, olası malzemelerin teorik olarak önceden modellenmesi çok yüksek hesaplama kaynağı gerektirdiği için yalnızca sınırlı sayıda aday önceden tahmin edilebildi. Ayrıca teoride güçlü görünen bazı malzemelerin üretilebilirlik açısından ticari değer taşımayabildiği de vurgulanıyor. SuperC’nin yapay zeka destekli yaklaşımı, en güçlü adaylara odaklanarak bu süreci daha verimli hale getirmeyi amaçlıyor.

BİLİŞİM VE ENERJİ ALTYAPILARI İÇİN ÖNEM TAŞIYOR
Süperiletken malzemeler, veri merkezlerinde enerji kayıplarını ve ısınma sorunlarını azaltabilecek potansiyelleri nedeniyle bilişim ve iletişim teknolojileri açısından yakından izleniyor. Kuantum hesaplama altyapıları, medikal enstrümantasyon ve elektrik iletim sistemleri de süperiletken teknolojilerinin gelişmesinden doğrudan etkilenebilecek alanlar arasında yer alıyor. Oda sıcaklığında çalışabilecek bir süperiletkenin geliştirilmesi, elektrik iletim kayıplarını azaltma, soğutma ihtiyacını düşürme ve yüksek performanslı bilgi işlem sistemlerinin enerji verimliliğini artırma hedefleri açısından kritik görülüyor.

YAPAY ZEKA MALZEME KEŞFİNİ HIZLANDIRABİLİR
SuperC Konsorsiyumu’nun çalışması, yapay zeka destekli ön tarama algoritmalarının gelecekte çok daha geniş malzeme veri kümeleri üzerinde kullanılabileceğini gösteriyor. Makine öğrenimiyle seçilen adayların kuantum modelleme ve laboratuvar senteziyle doğrulanması, yeni malzemelerin keşfinde daha disiplinli bir iş akışı sunuyor. YRu3B2 ve LuRu3B2 bileşiklerinin keşfi, oda sıcaklığında süperiletken hedefi için doğrudan son aşama olmasa da, bu hedefe yönelik arama sürecinin daha hızlı ve daha verimli hale getirilebileceğini ortaya koyan önemli bir örnek olarak öne çıkıyor.