Ein internationales Team von Quantenforschern hat gezeigt, wie Maschinelles Lernen eingesetzt werden kann, um eine praktisch unendliche Anzahl möglicher Materialkombinationen zu filtern und so Kandidaten für die Supraleitung zu identifizieren. Dank dieses Durchbruchs lassen sich nun neue Supraleiter wesentlich schneller finden, sagt Professorin Päivi Törmä von der Aalto-Universität, die das hinter der Forschung stehende SuperC-Konsortium leitet.
Supraleiter leiten elektrischen Strom ohne Widerstand, dank eines Quanteneffekts, der nur bei extrem niedrigen Temperaturen auftritt. Sie versorgen nicht nur Quantencomputer mit Energie, sondern auch viele andere Anwendungen, von der Neurobildgebung über Fusionsreaktoren bis hin zu Magnetschwebebahnen.
Allerdings sind diese „Einhorn-Materialien“ extrem schwer zu identifizieren. Jede beliebige Kombination von Elementen könnte ein Supraleiter sein – doch nur wenige sind es tatsächlich. Und die bereits entdeckten Supraleiter erfordern teure Kühlanlagen, um sie auf Temperaturen nahe dem absoluten Nullpunkt zu bringen, bei denen sie ihre Quanteneigenschaften entfalten.
Für Wissenschaftler auf der ganzen Welt ist der Wettlauf um die Entdeckung eines skalierbaren Supraleiters, der bei Raumtemperatur funktioniert, in vollem Gange. „Supraleitende Materialien, die bei Raumtemperatur funktionieren, würden die Art und Weise, wie wir Energie verbrauchen, für immer verändern“, erklärt Törmä. „Wenn ein solches Material herkömmliche Leiter in Anwendungen wie Computern und Rechenzentren ersetzen könnte, ließe sich der weltweite Energieverbrauch drastisch senken und der Wärme-Fußabdruck des IKT-Sektors erheblich reduzieren.“
Auf dem Weg zum Proof of Concept
Angetrieben von dem gemeinsamen Wunsch, die Quantenphysik im Kampf gegen den Klimawandel zu nutzen, gründeten Professor Törmä und ein Team renommierter Physiker im Jahr 2023 das SuperC-Konsortium. Es handelt sich um die erste koordinierte globale Zusammenarbeit zur Suche nach neuen Supraleitern – und ihr Ziel ist es, bis 2033 einen Supraleiter bei Raumtemperatur zu finden.
Laut Törmä bietet die Kombination aus Quantengeometrie und Maschinellem Lernen bei SuperC einen hervorragenden Ausgangspunkt. Diese jüngste Entdeckung basiert auf traditionellen japanischen Korbflechtmustern; beide neu entdeckten Materialien (YRu3B2 und LuRu3B2) verdanken ihre Supraleitfähigkeit Elektronen, die flache Bänder in einem traditionellen Muster bilden, das als Kagome-Gitter bekannt ist.
„Unsere Methode basiert auf einem Maschinellen Lernen, mit dem zunächst eine Vorauswahl getroffen wird, gefolgt von gezielten Berechnungen zu den vielversprechenden Kandidaten. Dieser Ansatz wird die Entdeckung von Supraleitern in Zukunft erheblich beschleunigen“, so Professorin Päivi Törmä
Um die beiden neuen Supraleiter zu identifizieren, nutzte das Team Maschinelles Lernen, um vielversprechende Elementkombinationen einzugrenzen. Nach einer Vorauswahl dieser Kombinationen mithilfe eines einzigartigen Algorithmus führte das Team detaillierte Berechnungen durch, um festzustellen, welche Materialien supraleitend sein könnten.
Nach der theoretischen Bestätigung machten sich die SuperC-Mitarbeiter an der Rice University daran, die Proben zu synthetisieren. Dieser komplexe Prozess, bei dem Rohelemente chemisch zu neuen Verbindungen kombiniert werden, wurde von Professorin Emilia Morosan geleitet. Das Team an der Rice University konnte anschließend Tests an den Materialien durchführen, um deren Supraleitfähigkeit zu bestätigen.
Milliarden Kandidaten für den nächsten Quantensprung
Die quantenmechanische Theorie der Supraleitung ist komplex, was die Suche nach neuen Supraleitern zu einer mühsamen Aufgabe macht. „Im Laufe der Jahrzehnte haben Forscher über 7.000 Supraleiter identifiziert, meist jedoch eher zufällig“, erklärt Törmä. „Der Prozess der Identifizierung möglicher Materialien ist rechnerisch so aufwendig, dass Forscher tatsächlich nur bei etwa 20 davon die Eignung theoretisch vorhersagen konnten.“
Selbst wenn es gelingt, eine Kombination zu finden, die auf den ersten Blick vielversprechend erscheint, sind die meisten davon völlig unbrauchbar. So sind sie beispielsweise schwer zu synthetisieren oder zu skalieren, sagt Törmä. Daraus folgt, dass die Suche nach brauchbaren Supraleitern eine enorme Rechenleistung erfordert, um Materialien zu durchforsten. Der auf Maschinellem Lernen basierende Ansatz von SuperC stellt diese Vorstellung auf den Kopf.
„Unsere Methode nutzt ein auf Maschinellem Lernen basierendes Vorauswahlverfahren, gefolgt von gezielten Berechnungen zu den vielversprechenden Kandidaten. Dieser Ansatz wird die Entdeckung von Supraleitern in Zukunft erheblich beschleunigen. Mit maschinellem Lernen könnten wir die Anzahl der Materialien, die wir verarbeiten können, in die Milliardenordnung steigern“, sagt Törmä. „Dies wird uns einen entscheidenden Schritt näher an die Entdeckung eines Supraleiters bei Raumtemperatur bringen.“
Die Forschungsergebnisse von SuperC werden vom 1. September bis zum 30. Oktober 2026 im Rahmen der Ausstellung „Designs for a Cooler Planet“ der Aalto-Universität im Großraum Helsinki, Finnland, präsentiert.
