L’apprentissage automatique offre aux scientifiques une nouvelle méthode puissante pour rechercher des supraconducteurs, des matériaux qui conduisent l’électricité sans résistance. Une équipe internationale a démontré que l’IA peut rapidement réduire un nombre presque illimité de combinaisons de matériaux possibles pour identifier les candidats les plus prometteurs. Selon la professeure Päivi Törmä de l’université Aalto, qui dirige le consortium SuperC, cette approche pourrait considérablement accélérer la découverte de nouveaux supraconducteurs.
Les supraconducteurs permettent au courant électrique de circuler sans perte d’énergie, mais uniquement lorsqu’ils sont refroidis à des températures extrêmement basses où les effets quantiques émergent. Ces matériaux remarquables sont déjà utilisés dans des technologies allant des ordinateurs quantiques et des systèmes d’imagerie neuro-médicale aux réacteurs à fusion et aux trains à sustentation magnétique.
Malgré leur potentiel énorme, la découverte de nouveaux supraconducteurs reste exceptionnellement difficile. Il existe pratiquement une infinité de combinaisons d’éléments chimiques pouvant former de nouveaux matériaux, mais seule une infime fraction se révèle être des supraconducteurs. Ceux déjà identifiés nécessitent généralement des systèmes de refroidissement coûteux pour les amener près du zéro absolu avant d’exhiber leurs propriétés uniques.
Les scientifiques du monde entier recherchent un supraconducteur pratique capable de fonctionner à température ambiante.
« Les matériaux supraconducteurs capables de fonctionner à température ambiante changeraient radicalement notre consommation d’énergie », explique Törmä. « Si un tel matériau pouvait remplacer les conducteurs ordinaires dans des applications comme les ordinateurs et les centres de données, la consommation d’énergie mondiale pourrait être réduite et l’empreinte thermique du secteur des TIC considérablement diminuée. »
IA et Physique Quantique S’unissent
Le consortium SuperC a été établi en 2023 par la professeure Törmä et un groupe international de physiciens de premier plan partageant l’objectif d’utiliser la physique quantique pour aider à lutter contre le changement climatique. Il s’agit de la première collaboration mondiale coordonnée dédiée à la découverte de nouveaux supraconducteurs, avec l’objectif ambitieux de trouver un supraconducteur à température ambiante d’ici 2033.
Selon Törmä, la combinaison de la géométrie quantique et de l’apprentissage automatique constitue une base puissante pour cette recherche. Dans les travaux les plus récents de l’équipe, les nouveaux supraconducteurs identifiés, YRu3B2 et LuRu3B2, doivent leurs propriétés à la formation de bandes planes d’électrons au sein d’un réseau de kagome, une disposition géométrique inspirée des motifs de tissage de paniers japonais traditionnels.
Pour identifier ces matériaux, les chercheurs ont d’abord utilisé l’apprentissage automatique pour examiner rapidement d’énormes quantités de combinaisons élémentaires possibles. Un algorithme spécialisé a sélectionné les candidats les plus prometteurs, qui ont ensuite été analysés à l’aide de calculs quantiques détaillés pour déterminer s’ils pouvaient devenir des supraconducteurs.
Une fois les prédictions confirmées théoriquement, des collaborateurs de l’université Rice ont synthétisé les matériaux en combinant chimiquement leurs éléments constitutifs en nouveaux composés. Sous la direction de la professeure Emilia Morosan, l’équipe de Rice a ensuite vérifié expérimentalement que les deux matériaux sont effectivement des supraconducteurs.
Cette étude de preuve de concept a été récemment publiée dans Physical Review Research.
Un Chemin Plus Rapide Vers de Nouveaux Supraconducteurs
Développer une compréhension complète de la mécanique quantique des supraconducteurs est extraordinairement difficile, rendant la recherche de nouveaux matériaux supraconducteurs lente et exigeante en calcul.
« Au fil des décennies, les chercheurs ont reconnu plus de 7 000 supraconducteurs, mais principalement par sérendipité », explique Törmä. « Le processus d’identification des matériaux possibles est si lourd en calcul qu’en réalité, les chercheurs n’ont pu théoriquement prédire la viabilité que d’environ 20 d’entre eux. »
Même lorsqu’un matériau semble prometteur sur le papier, il peut s’avérer impraticable car il est trop difficile à synthétiser ou impossible à produire à grande échelle, note Törmä. Traditionnellement, l’évaluation d’un grand nombre de matériaux potentiels nécessitait d’énormes ressources informatiques. L’approche pilotée par l’IA de l’équipe SuperC modifie ce processus en se concentrant uniquement sur les candidats les plus solides.
« Notre méthode utilise un pré-dépistage basé sur l’apprentissage automatique suivi de calculs ciblés sur les candidats prometteurs. Cette approche accélérera considérablement la découverte de supraconducteurs à l’avenir. Grâce à l’apprentissage automatique, nous pourrions être en me de traiter des milliards de matériaux », déclare Törmä. « Cela nous rapprochera d’un supraconducteur à température ambiante. »
Perspectives d’Avenir
La recherche de SuperC sera présentée lors de l’exposition Designs for a Cooler Planet de l’université Aalto, qui se tiendra du 1er septembre au 30 octobre 2026, dans la région de Helsinki, Finlande.
Le consortium SuperC reçoit des financements de la Kavli Foundation, de la Klaus Tschira Stiftung, de Kevin Wells, de la Jane et Aatos Erkko Foundation, de la Keele Foundation, de la Magnus Ehrnrooth Foundation, ainsi que de la Neste et Fortum Foundation.
Source : Aalto University
