Nhóm nghiên cứu quốc tế do Đại học Aalto (Phần Lan) chủ trì vừa chứng minh thành công phương pháp sàng lọc một số lượng rất lớn các tổ hợp vật liệu để xác định những ứng viên có tiềm năng trở thành chất siêu dẫn bằng cách sử dụng công nghệ học máy. Nhờ cách tiếp cận này, quá trình tìm kiếm các chất siêu dẫn mới có thể được đẩy nhanh đáng kể, góp phần thúc đẩy nỗ lực phát triển các vật liệu siêu dẫn hoạt động ở nhiệt độ cao hơn, tiến tới mục tiêu siêu dẫn ở nhiệt độ phòng. Kết quả nghiên cứu được công bố trên tạp chí Physical Review Research.

Chất siêu dẫn là những vật liệu có khả năng dẫn điện mà không có điện trở khi được làm lạnh xuống dưới một nhiệt độ tới hạn nhất định. Chúng giữ vai trò quan trọng trong nhiều công nghệ hiện đại như máy tính lượng tử, máy chụp cộng hưởng từ (MRI), hệ thống chụp ảnh thần kinh, lò phản ứng nhiệt hạch và tàu đệm từ tốc độ cao. Tuy nhiên, việc tìm kiếm chất siêu dẫn mới vẫn là một thách thức lớn. Mặc dù có vô số tổ hợp nguyên tố có thể tạo thành vật liệu mới, chỉ một số rất ít trong đó thực sự có tính siêu dẫn, và phần lớn đều chỉ hoạt động ở nhiệt độ rất thấp, đòi hỏi các hệ thống làm lạnh phức tạp và chi phí cao.

Để tìm ra hai chất siêu dẫn mới, nhóm nghiên cứu trước tiên sử dụng mô hình học máy nhằm sàng lọc các tổ hợp nguyên tố tiềm năng. Sau đó, những ứng viên triển vọng tiếp tục được đánh giá bằng các phép tính lượng tử chi tiết để dự đoán tính chất siêu dẫn. Khi các kết quả lý thuyết được xác nhận, các nhà khoa học thuộc liên minh SuperC tại Đại học Rice (Hoa Kỳ), do Giáo sư Emilia Morosan dẫn dắt, tiến hành tổng hợp các hợp chất mới và thực hiện các phép đo thực nghiệm nhằm kiểm chứng dự đoán.

Hai vật liệu mới được xác định là yttrium-ruthenium-boride (YRu₃B₂) và lutetium-ruthenium-boride (LuRu₃B₂). Cả hai đều có tính siêu dẫn liên quan đến cấu trúc mạng kagome - một kiểu sắp xếp nguyên tử được đặt tên theo họa tiết đan giỏ truyền thống của Nhật Bản - trong đó các electron hình thành các dải năng lượng phẳng, một đặc điểm được cho là có lợi cho sự xuất hiện của tính siêu dẫn.

Theo Giáo sư Päivi Törmä, Giám đốc liên minh SuperC tại Đại học Aalto, phương pháp mới kết hợp giữa sàng lọc quy mô lớn bằng học máy và các phép tính chuyên sâu trên những ứng viên tiềm năng nhất. Cách tiếp cận này có thể giúp mở rộng đáng kể quy mô tìm kiếm, từ đó rút ngắn thời gian phát hiện các chất siêu dẫn mới. Trong tương lai, học máy có thể hỗ trợ đánh giá hàng tỷ cấu trúc vật liệu khác nhau - một quy mô gần như không thể thực hiện bằng các phương pháp truyền thống.

Các nhà nghiên cứu cho rằng việc tìm ra chất siêu dẫn hoạt động ở nhiệt độ phòng sẽ tạo ra tác động rất lớn đối với công nghệ và năng lượng. Nếu các vật liệu như vậy có thể thay thế dây dẫn thông thường trong máy tính, trung tâm dữ liệu hoặc hệ thống truyền tải điện, lượng điện năng tiêu hao và tổn thất năng lượng có thể giảm mạnh. Tuy nhiên, mục tiêu này vẫn còn nhiều thách thức và đòi hỏi những đột phá tiếp theo trong nghiên cứu vật liệu.

NPA (Theo Aalto University)