Modelos de IA apontam candidatos a supercondutores, mas a prova continua no laboratório
Mais de 53 mil materiais foram analisados; compostos de plutónio e hidretos surgem como candidatos ainda não confirmados.
Procurar fora do conhecido
Um estudo em Scientific Reports aplicou uma estratégia inspirada em genómica a 53.196 materiais sem supercondutividade conhecida. Foram comparados dez modelos de aprendizagem automática e nove redes neuronais para extrapolar além das famílias químicas mais representadas.
Duas listas de candidatos
Os modelos identificaram 22 compostos à base de plutónio com temperatura crítica prevista acima de 50 K; Pu2Co17 surge perto de 89 K. Mais de 40 hidretos receberam previsões até 100 K. São saídas computacionais, não medições de resistência ou efeito Meissner.
Porque extrapolar é difícil
Modelos aprendem relações presentes nos dados. Regiões químicas distantes podem produzir confiança excessiva e materiais classificados como não supercondutores podem apenas não ter sido testados nas condições adequadas. Muitas arquiteturas ajudam a comparar consistência, sem eliminar enviesamentos partilhados.
Condições exigentes
Plutónio exige instalações radiológicas. Hidretos podem depender de pressões extremas. Estabilidade, fase cristalina e síntese acompanham qualquer temperatura prevista. Corrente crítica, campo crítico, fragilidade e custo também determinam a utilidade tecnológica.
O valor é ordenar experiências
O trabalho reduz dezenas de milhares de composições a candidatos testáveis. Não descobriu supercondutores confirmados. Síntese, estrutura e assinaturas físicas independentes serão necessárias. Resultados negativos também corrigirão os modelos e revelarão onde a extrapolação falha.