IT之家 7 月 6 日消息，科学家研发出一种高效全新手段，用于搜寻物理学界最重大的科研目标之一：实用型超导体。

一支国际研究团队结合机器学习与前沿量子物理学，研发出能大幅加快超导体发掘速度的全新方法。借助这套技术，科研人员可以筛选近乎无穷多的材料组合，精准锁定最具备超导潜力的候选物质。

这项由 SuperC 国际联盟主导的突破性成果，已经助力人类发现两种全新超导材料。该合作项目负责人、阿尔托大学教授派维 · 托尔马表示，这套方法将极大推进新型超导体的研发进程。

据IT之家了解，超导体依靠一种仅在极低温下显现的量子效应，实现无电阻导电。它是诸多尖端技术的核心基础，涵盖量子计算机、磁共振成像及各类脑神经成像设备、核聚变反应堆、高速磁悬浮列车等。

但新型超导体的发掘工作难度极高：理论上化学元素可组合出无穷多种材料，其中仅有极小一部分具备超导特性；即便是目前已发现的超导材料，也需要昂贵制冷设备降温至接近绝对零度，才能正常发挥超导性能。

全球科研人员都在追逐一个更宏大的目标：找到可在室温环境下稳定工作的实用超导体。

“能在室温运行的超导材料，将彻底改写人类能源消耗模式。”托尔马解释道，“若这类材料能够替代计算机、数据中心等设备里的传统导电材料，全球能源消耗量将大幅削减，信息通信行业的产热污染也会显著降低。”

人工智能与量子物理强强联手

SuperC 联盟由托尔马教授联合全球顶尖物理学家于 2023 年组建，初衷是借助量子物理学技术助力应对气候变化。这是全球首个专门研发新型超导体的协同合作组织，其宏伟目标是在 2033 年前找到室温超导体。

托尔马介绍，团队的核心思路是将量子几何与机器学习相结合，大幅缩小材料筛选范围。

本次新发现的两种超导体化学式为 YRu₃B₂、LuRu₃B₂，其超导特性来源于电子在笼目晶格内形成平带电子结构；笼目晶格的几何排布灵感源自日本传统竹篮编织纹样。

为找到这两种新材料，研究人员先利用机器学习批量筛选海量元素组合，专用算法初步筛出潜力候选物；随后通过精细理论计算，判断这些物质是否具备超导可能性。

理论预测得到验证后，莱斯大学埃米莉亚 · 莫罗桑教授带领合作团队，将对应元素通过化学反应合成全新化合物；实验室实测最终确认，两种材料均拥有超导性能。

这项概念验证型研究已于近期发表在《物理评论研究》期刊。

为何寻找超导体如此艰难

超导背后的量子物理机理极其复杂，导致新材料发掘流程漫长、门槛极高。

“数十年来，科研人员陆续发现七千余种超导体，但绝大多数都是偶然所得。”托尔马说，“筛选潜在材料的计算量极其庞大，事实上，研究者仅能通过理论预判其中约 20 种材料具备超导可行性。”

即便某种材料在理论测算中前景可观，落地应用时往往会遭遇现实阻碍：要么制备难度极大，要么无法规模化量产投入实际场景。传统模式下，想要筛选足量材料、找到可用超导体，需要消耗巨量算力资源。

SuperC 团队的新方法彻底改变了这一现状：先通过机器学习剔除低潜力材料，再仅针对优质候选开展高算力复杂计算。

“我们的流程是先用机器学习预筛选，再针对潜力材料开展定向精密计算。这套方案未来会大幅提速超导材料发掘。依托机器学习，我们能够一次性处理数十亿种待筛选材料。”托尔马表示，“这会让我们距离室温超导体的目标迈出关键一步。”

SuperC 团队的相关研究成果，将于 2026 年 9 月 1 日至 10 月 30 日，在芬兰大赫尔辛基地区的阿尔托大学“冷却地球设计展”中展出。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。