Исследователи из Университета Эмори и Йельского университета представили новый метод, который с помощью искусственного интеллекта сокращает время поиска сложных квантовых фаз в материалах с месяцев до минут. Это может значительно ускорить исследования в области квантовых материалов, особенно низкоразмерных сверхпроводников, которые способны проводить электричество без потерь энергии.

Традиционные методы изучения таких материалов сталкиваются с серьёзными трудностями из-за сложных взаимодействий между частицами и непредсказуемых колебаний. Например, чтобы определить точку перехода в сверхпроводящее состояние, учёные обычно анализируют энергетический зазор — показатель, который часто теряет смысл в системах с сильными квантовыми флуктуациями. Новый подход использует машинное обучение для анализа спектральных данных, что позволяет быстро и точно идентифицировать фазовые переходы даже при ограниченных экспериментальных данных.

??Демонстрационный набор сверхпроводимости в лаборатории Рочестерского университета. Источник: Adam Fenster / University of Rochester

Для обучения модели учёные использовали симуляции, генерирующие большие объёмы данных, которые затем дополняли экспериментальными измерениями. Это подобно обучению автономных автомобилей: модели сначала тестируются в виртуальной среде, а затем применяют полученные знания в реальных условиях. В результате метод позволяет распознавать ключевые характеристики фазовых переходов даже по единичным спектральным снимкам.

Проверка метода на купратах — материалах, известных своими высокотемпературными сверхпроводящими свойствами, — показала точность около 98%. Это открывает путь для более быстрого и масштабируемого поиска новых квантовых материалов, что может привести к прорывам в энергетике, электронике и вычислительных технологиях. Учёные надеются, что их работа станет важным шагом на пути к созданию материалов, способных к сверхпроводимости при комнатной температуре.

Подробнее на iXBT