La caccia ai nuovi superconduttori ha appena guadagnato un alleato inaspettato, perché un algoritmo di machine learning è riuscito a individuare due composti in grado di trasportare elettricità senza alcuna resistenza. Un risultato che non riguarda soltanto il singolo esperimento, ma il modo stesso in cui si va a cercare questo genere di materiali. E qui sta il punto interessante, perché il metodo utilizzato potrebbe accelerare parecchio una ricerca che finora procedeva quasi per tentativi.
Chi mastica un po’ di fisica sa bene quanto siano preziosi questi materiali. Un superconduttore, in parole semplici, lascia passare la corrente elettrica senza dissiparla in calore, senza quelle perdite che invece caratterizzano i conduttori normali. Il problema, da sempre, è trovarne di nuovi e possibilmente utili. Le combinazioni possibili tra gli elementi sono talmente tante da risultare praticamente infinite, e provarle una a una sarebbe un lavoro senza fine.
Il ruolo dell’apprendimento automatico nella scoperta
Ed è proprio qui che entra in gioco l’apprendimento automatico. L’algoritmo ha fatto quello che nessun ricercatore umano potrebbe fare in tempi ragionevoli, ovvero setacciare un numero enorme di combinazioni elementari per stringere il campo sui candidati più promettenti. Alla fine di questo lavoro di filtraggio sono emersi due composti che si sono rivelati effettivamente capaci di condurre elettricità senza resistenza. Non male, considerando la mole di possibilità da esaminare.
Dietro tutto questo c’è un consorzio guidato da Päivi Törmä, professoressa alla Aalto University in Finlandia, che ha coordinato il lavoro. La ricerca fa parte del progetto SuperC, di cui Törmä è responsabile. L’approccio adottato segna un cambio di passo rispetto ai metodi tradizionali, perché unisce la potenza di calcolo degli algoritmi alla competenza scientifica di chi poi deve verificare in laboratorio quello che la macchina suggerisce.
Il valore di una scoperta del genere va oltre i due materiali trovati. Se un algoritmo può indicare la strada, restringendo il campo tra miliardi di alternative, allora l’intero processo di individuazione di nuovi materiali superconduttori cambia volto. Meno tentativi casuali, più direzioni mirate. E per un settore in cui ogni nuovo composto può aprire applicazioni difficili da immaginare oggi, si tratta di un vantaggio concreto.
L’idea di fondo è semplice da raccontare ma complessa da realizzare. Insegnare a una macchina a riconoscere gli schemi che rendono un materiale superconduttivo significa darle la capacità di prevedere dove cercare, prima ancora di mettere le mani sui reagenti. I due composti individuati dal team finlandese sono la prova che questa strada funziona, almeno per ora. E il fatto che arrivino da un consorzio internazionale coordinato da un’università come la Aalto dà un’idea di quanto seriamente venga preso questo filone di ricerca.
