AI ontdekt twee supergeleiders die decennia onopgemerkt bleven

Een internationaal team van onderzoekers heeft met behulp van kunstmatige intelligentie (AI) twee supergeleiders ontdekt die jarenlang zijn gecategoriseerd als gewone materialen. Het AI-systeem heeft bestaande databanken en literatuur doorgespit en een aantal stoffen geïdentificeerd die in laboratoria zijn getest en als supergeleider zijn bevestigd. Deze recente ontdekking onderstreept het potentieel van AI om verborgen patronen in materiaaldata op te sporen en roept tegelijkertijd vragen op over de impact van de Europese AI-verordening en de rol van overheidsinstanties en onderzoeksinstellingen.

Om de nieuwe supergeleiders te identificeren, heeft het onderzoeksteam een model getraind met gegevens van bekende supergeleiders en niet-supergeleiders. Het systeem berekende miljoenen combinaties van elementen en kristalstructuren. Tweestoffen, die nooit eerder op supergeleiding waren getest, kwamen nu als veelbelovend naar voren. Bij lagere temperaturen bleken deze materialen elektromagnetisch stroom te geleiden zonder meetbare weerstand, wat kenmerkend is voor supergeleiding. Het feit dat deze stoffen al geruime tijd in materialenlaboratoria lagen zonder opgemerkt te worden, spreekt boekdelen over de potentie van AI in materiaalonderzoek.

Het gebruikte model is een grafisch neuraal netwerk dat leert van de relaties tussen atomen in een kristalrooster. Het systeem kijkt niet alleen naar de aanwezige atomen, maar vooral naar hoe ze met elkaar verbonden zijn. Dit stelt het model in staat om patronen te identificeren die vaak bepalend zijn voor de mogelijkheid van supergeleiding. Het algoritme rangschikte vervolgens de database op kansrijkheid, wat leidde tot de bevestiging van de twee winnende stoffen in het lab. Deze materialen gaven melding van vrijwel nul elektrische weerstand en vertoonden het Meissner-effect, belangrijke indicatoren van supergeleiding.

De ontdekking heeft aanzienlijke implicaties voor Europese sectoren zoals energie, quantumtechnologie en medische beeldvorming. Organisaties zoals QuTech en diverse universiteiten in Nederland zijn reeds bezig met supergeleidende circuits. De effectiviteit van AI in materiaalonderzoek kan helpen om kosten en tijd te besparen door gerichter te zoeken naar relevante materialen. De EU heeft echter ook de uitdaging van de AI-verordening, die transparantie en reproduceerbaarheid eist. Dit kan een grote impact hebben op de rol van AI binnen overheden en infrastructuurnetwerken, waarbij open data cruciaal zijn voor samenwerking en innovatie. De volgende stap in deze ontwikkeling is de automatisering van experimenten via autonome laboratories, wat de volledigheid en efficiëntie van het onderzoeksproces verder kan verbeteren.

Lees het volledige artikel van AI Insider.