Сверхпроводимость уже больше ста лет остаётся одной из самых загадочных областей физики.
Материал, по которому электричество проходит без сопротивления, звучит почти как нарушение законов природы.
Без потерь энергии.
Без нагрева.
Без огромных затрат на передачу тока.
Проблема в том, что почти все известные сверхпроводники работают либо при экстремально низких температурах, либо требуют слишком сложных условий охлаждения.
Именно поэтому физики десятилетиями пытаются найти материалы, которые могли бы работать ближе к обычным условиям.
Теперь в этот поиск всё активнее включается искусственный интеллект.
И результаты уже начинают менять сам подход к открытию новых материалов.
Почему поиск сверхпроводников настолько сложен?
Чтобы понять масштаб проблемы, достаточно представить количество возможных комбинаций элементов.
Даже небольшое изменение кристаллической структуры может:
- полностью уничтожить сверхпроводимость;
- повысить критическую температуру;
- изменить проводимость;
- сделать материал нестабильным.
Долгое время поиск новых сверхпроводников происходил почти вручную.
Теоретики строили модели.
Экспериментаторы синтезировали соединения.
Потом проверяли свойства.
На это уходили годы.
Иногда — десятилетия.
Особенно после открытия высокотемпературных сверхпроводников стало ясно: существующие теории не всегда способны точно предсказывать поведение материалов.
Физики до сих пор не имеют универсальной модели, объясняющей все виды сверхпроводимости.
Именно поэтому область остаётся одной из самых сложных в современной физике конденсированного состояния.
Как ИИ помогает искать новые материалы?
За последние несколько лет ситуация начала быстро меняться.
Нейросети научились анализировать огромные массивы данных:
- кристаллические структуры;
- химические соединения;
- свойства материалов;
- результаты симуляций.
Вместо того чтобы проверять варианты по одному, алгоритмы способны просматривать миллионы комбинаций и искать скрытые закономерности.
Особенно активно используются:
- графовые нейронные сети (GNN);
- генеративные модели;
- алгоритмы машинного обучения для материаловедения.
Один из самых известных примеров — проект GNoME от DeepMind.
Система предсказала сотни тысяч потенциально стабильных материалов, часть которых позже подтвердили экспериментально.
Это стало важным моментом для всей отрасли.
Потому что ИИ начал не просто ускорять вычисления, а фактически предлагать новые направления поиска.
Почему вокруг сверхпроводников снова возник ажиотаж?
Главная мечта материаловедения — сверхпроводимость при температурах, близких к комнатным.
Если это когда-нибудь удастся реализовать стабильно и дёшево, последствия будут огромными.
Потому что сверхпроводники способны:
- почти устранять потери энергии;
- повышать эффективность электросетей;
- улучшать работу МРТ;
- ускорять развитие квантовых вычислений;
- делать мощные магниты компактнее.
Сегодня значительная часть электроэнергии теряется именно из-за сопротивления проводников.
Сверхпроводимость теоретически позволяет почти убрать эти потери.
Но проблема температуры остаётся главным ограничением.
Большинство сверхпроводников требуют:
- жидкого гелия;
- экстремального охлаждения;
- дорогой инфраструктуры.
Поэтому каждый новый материал с более высокой критической температурой вызывает огромный интерес.
Может ли ИИ найти материал, который люди бы пропустили?
Именно это сегодня считается одним из главных преимуществ нейросетей.
Человек обычно опирается:
- на существующие модели;
- известные закономерности;
- накопленные теории.
ИИ способен искать иначе.
Он может обнаруживать структуры, которые:
- не кажутся очевидными;
- выглядят малоперспективными;
- не вписываются в привычные категории.
Это особенно важно в материаловедении.
Потому что физика сложных квантовых систем до сих пор далека от полного понимания.
Иногда эксперимент показывает свойства, которые теория объясняет лишь частично.
Именно поэтому исследователи всё чаще говорят не о замене науки искусственным интеллектом, а о появлении нового инструмента поиска.
ИИ помогает находить аномалии быстрее.
А уже затем физики пытаются понять, почему материал ведёт себя именно так.
Почему это не означает «конец физики»?
В медиа подобные новости часто подаются слишком драматично:
- «ИИ заменил учёных»;
- «теории больше не работают»;
- «алгоритм открыл невозможный материал».
На практике всё намного сложнее.
Наука постоянно сталкивалась с явлениями, которые сначала не укладывались в существующие модели.
Так было:
- с квантовой механикой;
- со сверхпроводимостью;
- с высокотемпературными сверхпроводниками;
- с тёмной материей.
Обычно сначала появляется экспериментальный результат.
И только потом возникает теория, способная его объяснить.
Поэтому если ИИ помогает быстрее находить необычные материалы — это не отменяет физику.
Скорее наоборот.
Это создаёт новые задачи для фундаментальной науки.
Что может измениться в ближайшие годы?
Важно сохранять осторожность.
Даже если перспективный материал найден в лаборатории, путь до промышленности может занять много лет.
Необходимо решить:
- проблему масштабирования;
- стоимость производства;
- стабильность материалов;
- долговечность;
- безопасность;
- механическую прочность.
Но некоторые изменения уже выглядят реалистично.
Где сверхпроводники могут применяться раньше всего?
Энергетика
- снижение потерь в сетях;
- компактные накопители энергии;
- более эффективные подстанции.
Медицина
- более доступные МРТ;
- снижение затрат на охлаждение оборудования.
Квантовые технологии
Сверхпроводящие элементы уже используются в ряде квантовых архитектур.
Улучшение материалов может ускорить развитие отрасли.
Промышленность
- мощные магниты;
- высокоэффективные электродвигатели;
- специализированные системы хранения энергии.
Главный сдвиг происходит не только в физике
Самое важное изменение может оказаться методологическим.
Долгое время наука двигалась примерно по одной схеме:
теория → гипотеза → эксперимент.
Теперь всё чаще появляется другой путь:
данные → ИИ → неожиданный результат → попытка объяснения.
Это не отменяет научный метод.
Но меняет скорость исследований.
И постепенно меняет роль человека в науке.
Физики всё чаще становятся не только создателями моделей, но и интерпретаторами результатов, найденных алгоритмами.
Итог
Сверхпроводники остаются одной из самых перспективных технологий XXI века.
А искусственный интеллект постепенно превращается в новый инструмент научного поиска.
Пока рано говорить о «революции» или «конце классической физики».
Но уже очевидно другое:
скорость открытия новых материалов начинает расти быстрее, чем скорость их теоретического понимания.
И это может стать одним из главных научных сдвигов ближайших десятилетий.
Что почитать по теме
- материалы DeepMind о проекте GNoME;
- публикации Materials Project;
- обзоры Nature Reviews Materials;
- исследования высокотемпературной сверхпроводимости;
- работы по графовым нейронным сетям в материаловедении.
Материал носит научно-популярный характер. Некоторые прогнозы являются экспертными оценками и не гарантируют технологического результата.
А как вы считаете: сможет ли искусственный интеллект ускорить фундаментальные открытия сильнее, чем это сделали компьютеры в XX веке?