使用机器学习工具寻找改变游戏规则的超导体

超导体存在于MRI机器、核聚变反应堆和磁悬浮列车中，其工作原理是在接近绝对零(即-459.67°F)的温度下无电阻地导电。

对可在室温下工作的传统超导体的研究已经进行了大约一个世纪，但由于使用超级计算机(例如加州大学圣地亚哥分校圣地亚哥超级计算机中心(SDSC)的Expanse)的机器学习(ML)取得了新进展，研究在过去十年中显着加快。

最近，佐治亚理工学院(GeorgiaTech)材料科学与工程学院的高级研究科学家HuanTran与河内科技大学(越南)的TuocVu教授合作研究Expanse，创建一种人工智能/机器学习(AI/ML)方法，帮助以更快、更可靠的方式识别潜在超导体的新候选者。

他们最近在《物理评论材料》杂志上题为“发现传统超导体的机器学习方法”的文章中发表了关于氢化铬(CrH和CrH2)作为两种可能的超导体的研究。

科学家的研究旨在解决如何使用人工智能/机器学习方法可靠地预测超导性(尤其是在零压力下)，这些有前途的材料可以对人类生活产生影响。当前的人工智能/机器学习工作不够可靠，因为原子级信息尚未用于证明特定材料是否可以表现出超导性。

预测零压力下的高温超导性更具挑战性，因为训练机器学习模型所需的合适数据不可用，特别是对于当前的人工智能/机器学习方法而言。

“人工智能/机器学习方法的主要挑战是我们需要但从未拥有所需的超导体数据库，”Tran解释道。“以前的所有工作都依赖于有时足够大的数据库，但完全缺乏原子级信息——这对于准确预测绝对至关重要。”

Tran说，他和Vu首先将工作重点放在建立一个数据库上，其中包含有关材料的所有必要的原子级信息。他们工作的关键创新在于，通过“隐藏”高压对原子级信息的影响，然后利用它来预测超导性，他们的数据库变得庞大且多样化。然而，更重要的是，它包含在过去十年中在非常高的压力(例如，高达地球中心)下发现的合适的高温超导体。

接下来，科学家们开发了一个工具包，将量子力学计算方法(速度非常慢但可靠)与在其数据库上训练的机器学习模型结合起来，这显着加速了对可能的超导体的搜索。为了演示他们的工具包，他们搜索了包含近100,000种材料的MaterialsProject数据库，发现了许多可能的零压力超导体，其中包括：CrH和CrH2。两者都通过量子力学计算得到验证并在他们的研究中报告。

“虽然预计CrH和CrH2的超导温度约为10-20开尔文(约-260°C，或-436°F)，但这一发现被认为是该项目可行性的一个有希望的迹象，”Tran说。

Tran说：“Expanse为我们提供了出色而强大的研究能力，而SDSC计算团队在软件方面为我们提供了帮助，使我们的工作快速高效。”“感谢SDSC的工作人员，我们能够轻松地使用Expanse来模拟我们的超导材料并在合理的时间范围内分析这些数据。”

Tran表示，他们的下一步将扩大超导体数据库，用计算和实验数据覆盖更多材料。

“主要目标是打造一流的机器学习平台来搜索和发现超导体，这些超导体可以在环境压力和温度下展现出惊人的性能。然后，我们将与实验专家合作，将它们实际应用到人类生活中，”Tran解释道。“当然，我们需要与SDSC的计算团队以及实验专家密切合作，以综合和测试我们的发现。”

特兰说：“当整个科学界长期而雄心勃勃的努力最终能够在环境条件下找到室温超导体时，我们预测，技术和人类生活的许多方面都可以通过超高效电网、超高速和节能计算机芯片以及可用于悬浮列车和控制聚变反应堆的超强磁铁来改变。”