Une équipe internationale de physiciens a développé une nouvelle méthode utilisant l'apprentissage automatique pour identifier des combinaisons chimiques pouvant mener à des supraconducteurs — des matériaux capables de conduire l'électricité sans résistance. Cette approche a déjà conduit à la découverte de deux nouveaux matériaux supraconducteurs : YRu3B2 et LuRu3B2. Ces matériaux possèdent des structures électroniques uniques avec des bandes plates, une caractéristique souvent liée à un motif géométrique particulier connu sous le nom de réseau kagome. Ce motif ressemble à la conception entrelacée des paniers traditionnels japonais et suscite un intérêt particulier en physique car il peut mener à des comportements électroniques inhabituels. La recherche a été menée par la collaboration internationale appelée SuperC, lancée en 2023 et dirigée par l'Université d'Aalto en Finlande. Le projet combine des principes de la physique quantique, l'étude des structures électroniques et l'intelligence artificielle afin d'accélérer la recherche de nouveaux matériaux. Au lieu de tester toutes les combinaisons chimiques possibles via des simulations coûteuses et chronophages, l'équipe a utilisé un algorithme d'apprentissage automatique pour éliminer d'abord les options moins prometteuses. Cela leur a permis de se concentrer sur les candidats les plus prometteurs avec des calculs quantiques plus précis. Une fois le tri numérique terminé, les matériaux sélectionnés ont été synthétisés en laboratoire par des chercheurs de l'Université de Rice aux États-Unis. Les tests expérimentaux effectués sur les composés obtenus ont confirmé leurs propriétés supraconductrices. Les supraconducteurs sont remarquables car ils peuvent transporter un courant électrique sans perte d'énergie, mais la plupart nécessitent des températures extrêmement basses pour fonctionner — souvent proches du zéro absolu. Cela les rend impraticables pour une utilisation généralisée sans systèmes de refroidissement coûteux. Cette percée montre que l'apprentissage automatique peut jouer un rôle transformateur dans la découverte des supraconducteurs. Historiquement, la recherche de nouveaux matériaux supraconducteurs s'est appuyée fortement sur l'essai et l'erreur ou sur des résultats expérimentaux imprévisibles. Bien plus de 7 000 matériaux supraconducteurs ont été identifiés, mais très peu ont été prédits avec précision avant d'être réalisés en laboratoire. En utilisant l'intelligence artificielle pour filtrer et prioriser les candidats les plus prometteurs, les chercheurs peuvent désormais explorer un grand nombre de combinaisons de matériaux qui étaient autrefois trop coûteux en termes de calculs pour être analysés. À long terme, cette méthode pourrait considérablement augmenter les chances de découvrir des supraconducteurs plus pratiques, potentiellement même des matériaux qui fonctionnent à température ambiante, ce qui révolutionnerait la technologie et l'efficacité énergétique.