L’intelligenza artificiale si sta rivelando un alleato prezioso nella caccia ai superconduttori, quei materiali capaci di condurre elettricità senza dispersioni. Negli ultimi tempi la sua efficacia in ambito scientifico è cresciuta parecchio, soprattutto quando serve confrontare caratteristiche precise tra milioni di variabili possibili. Ed è proprio in questo genere di lavoro, faticoso e lunghissimo se affrontato a mano, che l’AI mostra i muscoli.
Stavolta un gruppo internazionale di ricercatori ha usato queste tecnologie per individuare due nuovi materiali, YRu3B2 e LuRu3B2, mettendo insieme machine learning, calcoli di fisica quantistica e una buona dose di verifiche sperimentali. Il grande sogno, quello di trovare un superconduttore capace di funzionare a temperatura ambiente, resta per ora lontano. Ma il risultato è comunque promettente, e il motivo è chiaro.
Perché conta il metodo più della scoperta
Il punto interessante non è tanto il singolo ritrovamento, quanto la strada che è stata percorsa per arrivarci. Il metodo scelto dai ricercatori indica un percorso più veloce per scremare i candidati validi tra un numero enorme di combinazioni. Immaginate di dover setacciare montagne di dati alla ricerca di quelle poche configurazioni che potrebbero funzionare davvero. A mano sarebbe un’impresa quasi impossibile, o comunque lentissima.
Qui entra in gioco l’intelligenza artificiale, e lo fa nella fase iniziale del processo. Serve a orientare la ricerca, a suggerire dove vale la pena guardare prima ancora di passare ai calcoli più pesanti e alle prove in laboratorio. In pratica taglia i tempi e concentra gli sforzi sui materiali che hanno più probabilità di rivelarsi utili.
Un approccio che apre nuove possibilità
Quello che emerge da questo lavoro è soprattutto un cambio di passo nel modo di affrontare la ricerca sui superconduttori. Combinare l’analisi dei dati con la fisica quantistica e le verifiche sperimentali permette di muoversi con più agilità in un campo dove le variabili in gioco sono davvero tantissime.
I due materiali individuati, YRu3B2 e LuRu3B2, non risolvono il problema più grande, ma dimostrano che la direzione è quella giusta. E per chi lavora su questi temi, avere uno strumento che accorcia la fase di selezione dei candidati fa una differenza enorme. Meno tentativi a vuoto, più tempo dedicato a ciò che promette risultati concreti.
L’idea di fondo è semplice ma potente. Anziché procedere per tentativi, si usa l’AI per costruire una mappa di ciò che potrebbe funzionare, lasciando poi ai calcoli di fisica quantistica e agli esperimenti il compito di confermare o smentire. Un lavoro di squadra tra macchine e ricercatori, dove ciascuno fa la parte in cui riesce meglio.
Il traguardo del superconduttore a temperatura ambiente resta l’obiettivo che tutti inseguono, perché aprirebbe scenari enormi sul fronte del risparmio energetico e dell’efficienza. Con questo tipo di approccio, però, la strada verso quella meta appare un po’ meno tortuosa di prima.