کشف مواد کوانتومی و ابررساناها با هوش مصنوعی

جهش از کیمیاگری تجربی به علم مولد؛ انقلاب شبکه‌های عصبی گراف کریستالی

در طول تاریخ تمدن، کشف هر ماده کریستالی جدید نیازمند ماه‌ها و گاه سال‌ها آزمون و خطای تصادفی در لوله‌های آزمایش، ذوب فلزات و بررسی اشعه ایکس بود. دانشمندان تا ابتدای قرن بیست و یکم توانسته بودند حدود ۲۰ تا ۳۰ هزار ماده معدنی پایدار را شناسایی و ثبت نمایند. اما امروزه همگرایی نظریه تابعی چگالی (DFT) با شبکه‌های عصبی گراف کریستالی نظیر GNoME (توسعه‌یافته در گوگل دیپ‌مایند)، این مقیاس را زیر و رو کرد.

مدل‌های هوش مصنوعی کریستالوگرافی قادرند پایداری ترمودینامیکی پیوندهای اتمی و انرژی برآمدگی فاز (Convex Hull Energy) را با دقتی معادل محاسبات فوق‌سنگین فیزیک کوانتومی ارزیابی کنند. این فرآیند درست شبیه موفقیتی است که پیش‌تر در طراحی پروتئین‌های مصنوعی و آنزیم‌های سفارشی با RFdiffusion شاهد بودیم؛ جایی که هوش مصنوعی به جای شبیه‌سازی گذشته، به صورت زاینده دست به خلق ماکرومولکول‌های ناموجود در طبیعت می‌زند.

پایگاه‌های داده مواد نوین امروزه از مرز ۳ میلیون کریستال پایدار نامزد فراتر رفته‌اند؛ مخزنی باورنکردنی که مواد پایه‌ای باتری‌های نسل بعد، صفحات فتوولتائیک با راندمان بالای ۴۰ درصد و مغناطیس‌های بدون عناصر خاکی کمیاب را در خود جای داده است.

آزمایشگاه‌های سنتز خودران (A-Lab)؛ ادغام روباتیک، پراش اشعه ایکس و یادگیری تقویتی

کشف فرمول یک کریستال روی کاغذ کافی نیست؛ چالش اصلی سنتز واقعی آن در فیزیک تجربی است. امروزه آزمایشگاه‌های تمام‌رباتیک خودران موسوم به A-Lab به مرحله بهره‌برداری کامل صنعتی رسیده‌اند.

در این تاسیسات، هوش مصنوعی دستورالعمل سنتز را صادر کرده، پودرهای اولیه را توسط بازوهای مکاترونیک با دقت نانوگرم وزن می‌کند، در کوره‌های تحت خلا با دمای ۱۶۰۰ درجه سانتی‌گراد می‌پزد و نمونه حاصل را مستقیماً زیر دستگاه‌های پراش اشعه ایکس (XRD) و میکروسکوپ‌های الکترونی عبوری (TEM) قرار می‌دهد. اگر طیف پراش با پیش‌بینی هوش مصنوعی همخوانی نداشته باشد، الگوریتم‌های یادگیری تقویتی دما، فشار و نرخ خنک‌سازی را در چرخه بعدی اصلاح می‌کنند.

آمار منتشرشده در سپتامبر نشان می‌دهد که ضریب موفقیت سنتز در این آزمایشگاه‌های بدون انسان به بیش از ۷۳ درصد رسیده است؛ یعنی دانشمندان در عرض یک ماه به اندازه یک قرن کار پژوهشی گذشته، مواد جدید ملموس را در قفسه‌های آزمایشگاهی ذخیره می‌کنند.

جستجوی رویای دیرینه فیزیک: ابررساناهای دمای بالا و هیدریدهای تحت فشار

مقدس‌ترین جام در فیزیک حالت جامد، کشف ابررسانایی در دمای محیط و فشار اتمسفریک است؛ پدیده‌ای که در آن مقاومت الکتریکی به صفر سقوط کرده و جریان برق بدون کوچک‌ترین اتلاف حرارتی جریان می‌یابد. پس از رسوایی‌ها و هیاهوهای خبری مواد ناقص سال‌های گذشته، امروزه تحقیقات با تکیه بر تحلیل‌های هوش مصنوعی کریستالوگرافی به مسیری علمی و اثبات‌پذیر بازگشته است.

تمرکز اصلی دانشمندان بر خانواده هیدریدهای فلزی متراکم (مانند ترکیب لانتانیوم، ایتریوم و هیدروژن) معطوف شده است. هوش مصنوعی کشف کرده که ساختارهای قفس‌مانند هیدروژنی (Clathrate Lattices) در برهم‌کنش فونون-الکترون ارتعاشات بسامدی شدیدی تولید می‌کنند که تشکیل جفت‌های کوپر (Cooper Pairs) را در دماهای بالای منفی ۲۰ درجه سلسیوس میسر می‌سازد.

اگرچه این آزمایش‌ها هنوز در سلول‌های سندان الماس (Diamond Anvil Cells) با فشارهای بالا صورت می‌گیرد، اما هوش مصنوعی با شبیه‌سازی دوپینگ‌های اتمی چهارگانه در حال کشف ترکیباتی است که ساختار متراکم پایدار را حتی پس از رفع فشار حفظ کنند.

هم‌پوشانی با انرژی همجوشی هسته‌ای و رایانش کوانتومی

دستاوردهای مواد کوانتومی دوران معاصر فوراً به شریان صنایع های‌تک سرازیر شده‌اند. در حوزه راکتورهای انرژی پاک، همان‌گونه که در مقاله دستیابی به تراز مثبت انرژی در همجوشی هسته‌ای توکامک تحلیل کردیم، تولید ابررساناهای نوار اکسید باریم-مس-ایتریوم نسل دوم (REBCO) میدان‌های مغناطیسی بی‌پایان ۲۰ تسلا را ممکن ساخته و راکتورهای همجوشی را به ابعادی کوچک و تجاری تقلیل داده است.

همچنین، در حوزه رایانش کوانتومی تجاری و تراشه‌های جدید، شناسایی ساختارهای فرمیونی مایورانا در کریستال‌های مهندسی‌شده، مسیر ساخت کیوبیت‌های توپولوژیک با مقاومت ذاتی در برابر ناهمدوسی ناشی از نویز حرارتی را هموار نموده است.

افزون بر این، در پیوند با باتری‌های هسته‌ای بتاولتائیک تجاری با دوام ۵۰ ساله، استفاده از صفحات نیمه‌هادی الماس مصنوعی سنتز شده با هوش مصنوعی راندمان جذب تشعشع و تبدیل آن به جریان الکتریکی را تا سه برابر افزایش داده است.

نتیجه‌گیری و افق تحول اقتصاد انرژی در دهه‌های آینده

کشف مواد با هوش مصنوعی امروزه نشان‌دهنده تغییر پارادایم اساسی در رابطه بشر با دنیای فیزیکی است. ما از دوران پذیرش خواص مواد طبیعی به دوران مهندسی دلخواه قوانین پیوند کریستالی ورود کرده‌ایم.

به عقیده کارشناسان ارشد ماگ بیت، دستیابی تجاری به ابررساناهای دمای متوسط و کابل‌های انتقال برق بدون تلفات در شبکه‌های نیروگاهی، می‌تواند سالانه از هدررفت صدها تریلیون وات‌ساعت برق در سرتاسر گیتی جلوگیری کرده و انتشار گازهای گلخانه‌ای را تا ۱۰ درصد کاهش دهد. دوران معاصر به عنوان نقطه عطف تاریخ علم مواد در حافظه بشریت ثبت خواهد شد.