I superconduttori a temperatura ambiente potrebbero smettere di essere un miraggio grazie a un nuovo metodo di ricerca basato sull’intelligenza artificiale, capace di accelerare in modo notevole la caccia a questi materiali destinati a cambiare il futuro dell’energia e della tecnologia. Un gruppo internazionale di scienziati ha mostrato che l’AI può setacciare un numero quasi infinito di combinazioni possibili tra elementi chimici e restringere il campo ai candidati più promettenti. A guidare il lavoro è la professoressa Päivi Törmä dell’Università Aalto, alla testa del consorzio SuperC.
I superconduttori sono materiali che conducono elettricità senza alcuna resistenza, quindi senza perdere energia lungo il percorso. Il problema è che funzionano solo a temperature bassissime, dove entrano in gioco effetti quantistici particolari. Nonostante questo limite, li troviamo già in tecnologie parecchio diverse tra loro, dai computer quantistici ai sistemi di neuroimaging medico, passando per i reattori a fusione e i treni a levitazione magnetica.
Quando l’AI incontra la fisica quantistica
Trovare nuovi superconduttori resta però un’impresa difficilissima. Le combinazioni di elementi chimici che potrebbero dare vita a materiali inediti sono praticamente sterminate, ma solo una piccola frazione si rivela davvero superconduttrice. E quelli già identificati richiedono in genere sistemi di raffreddamento costosi che li portano vicino allo zero assoluto prima di mostrare le loro proprietà. Ecco perché la ricerca punta a un superconduttore che possa lavorare a temperatura ambiente. “Materiali superconduttori capaci di operare a temperatura ambiente cambierebbero per sempre il nostro modo di consumare energia”, spiega Törmä. Se un materiale del genere potesse sostituire i conduttori normali in applicazioni come computer e data center, i consumi energetici globali crollerebbero e l’impronta termica del settore ICT si ridurrebbe di molto.
Il consorzio SuperC è nato nel 2023 per iniziativa della professoressa Törmä insieme a un gruppo internazionale di fisici, tutti con l’idea di usare la fisica quantistica per affrontare il cambiamento climatico. È la prima collaborazione globale coordinata dedicata alla scoperta di nuovi superconduttori, con un obiettivo dichiarato: arrivare a un superconduttore a temperatura ambiente entro il 2033.
Due nuovi materiali e un metodo più veloce
Nel lavoro più recente sono stati identificati due nuovi superconduttori, YRu3B2 e LuRu3B2. Le loro proprietà nascono dagli elettroni che formano bande piatte all’interno di un reticolo kagome, una disposizione geometrica ispirata ai tradizionali motivi giapponesi dell’intreccio dei cesti. Per arrivarci, i ricercatori hanno prima usato il machine learning per passare al setaccio un’enormità di combinazioni possibili tra elementi. Un algoritmo specifico ha selezionato i candidati migliori, poi analizzati con calcoli quantistici dettagliati per capire se potessero diventare superconduttori. Una volta confermate le previsioni sul piano teorico, i colleghi della Rice University hanno sintetizzato i materiali combinandone chimicamente gli elementi. Il gruppo guidato dalla professoressa Emilia Morosan ha poi verificato in laboratorio che entrambi i materiali sono effettivamente superconduttori. Lo studio, un vero e proprio proof of concept, è stato pubblicato su Physical Review Research.
Costruire una comprensione quantistica completa della superconduttività è complicatissimo, e questo rende la ricerca di nuovi materiali lenta e pesante dal punto di vista dei calcoli. “Nel corso dei decenni sono stati riconosciuti oltre 7.000 superconduttori, ma quasi sempre per caso”, racconta Törmä. Il processo di identificazione dei materiali possibili è così oneroso che i ricercatori sono riusciti a predire la validità solo di una ventina di essi.
Anche quando un materiale sembra promettente sulla carta, può rivelarsi poco pratico perché troppo difficile da sintetizzare o impossibile da produrre su larga scala. L’approccio del team SuperC cambia le carte in tavola perché concentra i calcoli dettagliati solo sui candidati più forti. “Il nostro metodo usa un pre-screening basato sul machine learning seguito da calcoli mirati sui candidati promettenti”, dice Törmä. Con questa tecnica il numero di materiali analizzabili potrebbe salire fino ai miliardi. La ricerca di SuperC sarà tra le protagoniste della mostra Designs for a Cooler Planet dell’Università Aalto, in programma dall’1 settembre al 30 ottobre 2026 nell’area della Grande Helsinki, in Finlandia.