La recherche de supraconducteurs à haute température critique s'est appuyée pendant des décennies sur des règles empiriques, comme les règles de Matthias, et sur l'intuition des expérimentateurs. Pour les supraconducteurs conventionnels, la théorie BCS et son extension par Eliashberg ont fourni une base quantitative, mais pour les supraconducteurs non conventionnels, tels que les cuprates et les pnictures de fer, il n'existe pas de théorie générale. À côté de ce travail, des études dans les archives cherchent un ordre caché dans les supraconducteurs, examinent le rôle de la microstructure et tentent de se rapprocher de la supraconductivité à température ambiante. Cet article s'inscrit dans la recherche de principes généraux, mais fait un pas des hypothèses qualitatives vers un critère quantitatif et reproductible, extrait des données.
Pour chaque matériau, un vecteur de 147 caractéristiques a été construit : des statistiques sur 20 propriétés des éléments, trois descripteurs structuraux (densité, volume par atome, compacité) et des représentations latentes issues de réseaux de neurones graphiques ALIGNN entraînés, qui prédisent les modules d'élasticité, la fréquence des phonons et les états électroniques près du niveau de Fermi. L'ensemble de données de 4253 supraconducteurs a été obtenu en croisant SuperCon et ICSD avec un filtrage de redondance structurelle. D'abord, une analyse en composantes principales (ACP) a été appliquée sans utiliser l'information sur la température critique, pour voir comment les matériaux se regroupent d'eux-mêmes. Ensuite, un modèle LightGBM a été entraîné pour prédire Tc, et l'importance des caractéristiques a été comparée aux résultats de l'ACP.
Les cuprates et les supraconducteurs à base de fer, malgré des chimies et structures différentes, se concentrent dans une région compacte du plan des deux premières composantes principales. Dans cette même région se trouvent les nickelates récemment découverts La3Ni2O7 et Nd0.8Sr0.2NiO2, ainsi que le palladate prédit RbSr2PdO3. La première composante principale est le plus fortement corrélée à l'écart moyen d'électronégativité, la seconde au nombre moyen d'électrons de valence. La limite supérieure de la Tc observée augmente avec l'écart d'électronégativité, et le nombre optimal d'électrons de valence se situe dans la plage 7–8. Le modèle LightGBM atteint une erreur absolue moyenne de 3,28 K et un coefficient de détermination de 0,931 lors d'une validation croisée à cinq plis. L'importance des caractéristiques dans le modèle confirme indépendamment que l'écart moyen d'électronégativité est le descripteur le plus important, suivi du mode d'électronégativité, et que le nombre moyen d'électrons de valence est le quatrième en importance. Le criblage en deux étapes des candidats issus de Materials Project sélectionne d'abord les matériaux dans la région caractéristique de l'ACP, puis les classe selon la Tc prédite. Parmi les candidats sélectionnés, La4Ni3O10 a été retrouvé rétrospectivement avec une Tc prédite de 6,8 K (supraconductivité expérimentale sous pression), et de nouveaux composés ont été proposés, comme Sr2CoO4 et Cs2TaCl6.
Ce travail montre que l'apprentissage automatique interprétable peut extraire un critère simple et transférable pour les supraconducteurs non conventionnels à haute température, sans hypothèses sur le mécanisme d'appariement. Contrairement aux travaux voisins, souvent focalisés sur une seule famille ou utilisant des modèles complexes, ici une vision globale de tout l'espace des matériaux est obtenue et un filtre quantitatif reproductible est proposé. Ce n'est pas une théorie microscopique, mais un repère empirique qui peut guider la recherche expérimentale et servir de contrainte pour les futures théories.
Le développement naturel est d'intégrer le critère trouvé avec des modèles génératifs de structures cristallines pour explorer des composés absents des bases existantes. Il existe déjà des travaux sur l'ajustement fin de modèles génératifs avec apprentissage par renforcement pour optimiser les propriétés ; désormais, ils disposent d'un objectif interprétable : générer des structures qui tombent dans la région caractéristique de l'ACP et qui ont une Tc prédite élevée. Il est également important d'améliorer les descripteurs pour tenir compte du dopage et de la pression, car des caractéristiques compositionnelles grossières ne distinguent pas les composés d'une même série avec des Tc différentes.
Les résultats peuvent accélérer la recherche expérimentale de nouveaux supraconducteurs en fournissant une liste prioritaire de candidats pour la synthèse. La méthode est transférable à d'autres classes de matériaux où il n'y a pas de théorie complète mais suffisamment de données.
Vérifier expérimentalement la supraconductivité des candidats prédits, en particulier ceux de l'ensemble B (chlorures de métaux alcalins et de transition). Intégrer le critère dans un flux de travail de conception générative de matériaux.
Pour la physique de la matière condensée, le problème non résolu reste le mécanisme d'appariement dans les supraconducteurs à haute température. Ce travail ne le résout pas, mais fournit des contraintes empiriques : tout mécanisme microscopique doit expliquer pourquoi une grande différence d'électronégativité et un nombre intermédiaire d'électrons de valence favorisent une Tc élevée.
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
Dans cette étude, un apprentissage automatique interprétable a été appliqué aux données de 4253 supraconducteurs : après une ACP et l'entraînement d'un modèle LightGBM, il s'est avéré que les cuprates, les pnictures de fer et les nickelates se regroupent dans une même région, définie par deux descripteurs : l'écart moyen d'électronégativité et le nombre moyen d'électrons de valence. Sur cette base, un criblage en deux étapes a été construit, qui retrouve rétrospectivement les nickelates et propose de nouveaux candidats.
Où est sa force
La force de ce travail réside dans un critère concret et reproductible, fondé sur deux descripteurs, qui réunit différentes familles de supraconducteurs inhabituels et peut être utilisé pour la recherche ciblée de nouveaux matériaux.
Vers où avancer
À essayer
Pourquoi cela peut compter
Si ce critère simple à deux descripteurs s'avère robuste, il pourrait devenir un repère pratique pour les expérimentateurs dans le choix des compositions, réduisant ainsi l'espace de recherche des supraconducteurs à haute température.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.56, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
Les règles de Matthias, formulées dans les années 1950, stipulaient que les bons supraconducteurs ont en moyenne 5 ou 7 électrons de valence par atome. La nouvelle analyse trouve un optimum dans la plage 7–8, ce qui est étonnamment proche de l'ancienne empirique, mais désormais étayé par l'apprentissage automatique sur des milliers de composés.
Dans le roman d'Arthur C. Clarke « Les Enfants d'Icare », les supraconducteurs à température ambiante transforment l'énergie et les transports de toute une civilisation. La recherche de tels matériaux dans la réalité se fait souvent à l'aveugle ; ce travail propose une boussole qui pourrait rapprocher la science-fiction de la paillasse.