Pembelajaran mesin memberi para ilmuwan cara baru yang ampuh untuk mencari superkonduktor, bahan yang menghantarkan listrik tanpa hambatan. Sebuah tim internasional telah menunjukkan bahwa AI dapat dengan cepat mempersempit kemungkinan kombinasi material dalam jumlah yang hampir tidak terbatas untuk mengidentifikasi kandidat yang paling menjanjikan. Menurut Profesor Päivi Törmä dari Universitas Aalto, yang memimpin konsorsium SuperC, pendekatan ini dapat mempercepat penemuan superkonduktor baru secara signifikan.
Superkonduktor memungkinkan arus listrik mengalir tanpa kehilangan energi, tetapi hanya ketika didinginkan hingga suhu yang sangat rendah, di mana efek kuantum muncul. Bahan-bahan luar biasa ini telah digunakan dalam berbagai teknologi mulai dari komputer kuantum dan sistem neuroimaging medis hingga reaktor fusi dan kereta maglev.
Meskipun potensinya sangat besar, superkonduktor masih sangat sulit ditemukan. Terdapat banyak sekali kombinasi unsur-unsur kimia yang dapat membentuk material baru, namun hanya sebagian kecil saja yang dapat menjadi superkonduktor. Bahan-bahan yang telah teridentifikasi biasanya memerlukan sistem pendingin yang mahal sehingga mendekati nol mutlak sebelum dapat menunjukkan sifat uniknya.
Para ilmuwan di seluruh dunia sedang mencari superkonduktor praktis yang dapat beroperasi pada suhu kamar.
“Bahan superkonduktor yang dapat beroperasi pada suhu kamar akan selamanya mengubah cara kita mengonsumsi energi,” kata Törmä. “Jika bahan tersebut dapat menggantikan konduktor biasa dalam aplikasi seperti komputer dan pusat data, konsumsi energi global dapat dikurangi dan jejak panas pada sektor TIK berkurang secara signifikan.”
AI dan fisika kuantum bergabung
Konsorsium SuperC didirikan pada tahun 2023 oleh Profesor Törmä dan sekelompok fisikawan terkemuka internasional yang memiliki tujuan yang sama dalam menggunakan fisika kuantum untuk memerangi perubahan iklim. Ini adalah kolaborasi global terkoordinasi pertama yang didedikasikan untuk penemuan superkonduktor baru, dengan tujuan ambisius untuk menemukan superkonduktor suhu ruangan pada tahun 2033.
Menurut Törmä, kombinasi geometri kuantum dan pembelajaran mesin memberikan dasar yang kuat untuk penelitian ini. Dalam pekerjaan terbaru tim, superkonduktor yang baru diidentifikasi, YRu3B2 dan LuRu3B2sifat-sifatnya berasal dari elektron yang membentuk pita datar di dalam kisi kagome, susunan geometris yang terinspirasi oleh pola keranjang tradisional Jepang.
Untuk mengidentifikasi bahan-bahan ini, pertama-tama para peneliti menggunakan pembelajaran mesin untuk memeriksa dengan cepat sejumlah besar kemungkinan kombinasi unsur. Algoritme khusus memilih kandidat yang paling menjanjikan, yang kemudian dianalisis menggunakan perhitungan kuantum terperinci untuk menentukan apakah kandidat tersebut dapat menjadi superkonduktor.
Setelah prediksi secara teoritis dikonfirmasi, kolaborator di Rice University mensintesis bahan-bahan tersebut dengan menggabungkan bahan-bahan penyusunnya secara kimia menjadi senyawa baru. Dipimpin oleh Profesor Emilia Morosan, tim Rice kemudian secara eksperimental memverifikasi bahwa kedua bahan tersebut memang superkonduktor.
Studi pembuktian konsep baru-baru ini diterbitkan di Penelitian pemeriksaan fisik.
Jalur yang lebih cepat menuju superkonduktor baru
Mengembangkan pemahaman lengkap tentang mekanika kuantum superkonduktivitas sangatlah sulit, sehingga pencarian material superkonduktor baru menjadi lambat dan menuntut komputasi.
“Selama beberapa dekade, para peneliti telah mengenali lebih dari 7.000 superkonduktor, namun sebagian besar terjadi secara kebetulan,” kata Törmä. “Proses untuk mengidentifikasi kemungkinan material sangat berat secara komputasi sehingga pada kenyataannya, para peneliti hanya mampu memprediksi secara teoritis kelayakan sekitar 20 material.”
Bahkan ketika suatu bahan terlihat menjanjikan di atas kertas, bahan tersebut mungkin terbukti tidak praktis karena terlalu sulit untuk disintesis atau tidak mungkin diproduksi dalam skala besar, kata Törmä. Secara tradisional, mengevaluasi sejumlah besar material potensial memerlukan sumber daya komputasi yang sangat besar. Pendekatan tim SuperC yang digerakkan oleh AI mengubah proses ini dengan memfokuskan penghitungan mendetail hanya pada kandidat terkuat.
Pendekatan ini akan mempercepat penemuan superkonduktor secara signifikan di masa depan. Dengan menggunakan pembelajaran mesin, kami mungkin dapat meningkatkan jumlah material yang dapat kami proses hingga miliaran,” jelas Törmä. “Ini akan membawa kita selangkah lebih dekat dalam menemukan superkonduktor pada suhu ruangan.”
Melihat ke masa depan
Penelitian SuperC akan ditampilkan dalam jurnal Universitas Aalto Desain untuk planet yang lebih sejuk pameran dari 1 September hingga 30 Oktober 2026, di Greater Helsinki, Finlandia.
Konsorsium SuperC menerima dana dari Kavli Foundation, Klaus Tschira Stiftung, Kevin Wells, Jane and Aatos Erkko Foundation, Keele Foundation, Magnus Ehrnrooth Foundation, dan Neste and Fortum Foundation.
