Карта сокровищ для сверхпроводников: как два числа объединили разные семейства ✛ ✎

Оригинал: "Machine learning reveals common features of unconventional superconductors with high transition temperatures"
arXiv:2608.30588v1 · 2026-08-31 · arXiv non-exclusive · собственный разбор · 2 мин
Купраты, пниктиды железа и никелаты сходятся в одной бухте на карте материалов, и эта бухта отмечена всего двумя координатами.

Старые карты сокровищ рисовали по слухам: кто-то нашёл золото у реки, кто-то в горах, и каждый копал в своём месте. С высокотемпературными сверхпроводниками вышло похоже: купраты нашли в одних соединениях, пниктиды железа в других, никелаты в третьих, а общей карты не было.

Правила Маттиаса 1950-х говорили: хороший сверхпроводник имеет в среднем 5 или 7 валентных электронов на атом. Новый анализ находит оптимум в диапазоне 7–8, что удивительно близко к старой эмпирике, но теперь подкреплено машинным обучением на тысячах соединений.

В этой работе карту нарисовали не по слухам, а по данным. Взяли 4253 экспериментально подтверждённых сверхпроводника, каждый описали 147 числами: свойства элементов, плотность, объём на атом, скрытые признаки из нейросетей, которые учились на кристаллических структурах. Затем без всякой подсказки про критическую температуру посмотрели, как материалы сами группируются в этом пространстве.

И тут случилось то, чего не ждали: купраты, пниктиды железа и никелаты, несмотря на разную химию, сбились в одну кучу. Как если бы три экспедиции, искавшие сокровища в разных концах света, независимо вышли к одной и той же бухте. Осталось понять, какие две координаты ведут в эту бухту.

Первая координата — разброс электроотрицательностей, то есть насколько сильно атомы в соединении отличаются по способности притягивать электроны. Вторая — среднее число валентных электронов, тех самых, что участвуют в связях. Оказалось, что верхняя граница достижимой критической температуры растёт с разбросом электроотрицательностей, а оптимальное число валентных электронов лежит в диапазоне от 7 до 8.

Модель, предсказывающая критическую температуру, ошибается в среднем на 3,28 кельвина. Это как предсказать температуру кипения воды с точностью до трёх градусов, не зная, что это вода.

С этой картой можно искать новые сокровища. Двухэтапный фильтр сначала проверяет, попадает ли кандидат в заветную область, затем оценивает его критическую температуру. Среди сотен тысяч материалов из базы данных фильтр ретроспективно нашёл La4Ni3O10 с предсказанной температурой 6,8 кельвина, а затем предложил новые соединения, например Sr2CoO4 и Cs2TaCl6, которые ещё никто не синтезировал.

Карта не объясняет, почему эти материалы сверхпроводят, но теперь у любой будущей теории есть ориентир: механизм должен объяснять, почему большая разница электроотрицательностей и промежуточное число валентных электронов благоприятствуют высокой температуре. А экспериментаторы получили компас, который указывает, где копать дальше.

Правила Маттиаса, сформулированные в 1950-х, гласили, что хорошие сверхпроводники имеют в среднем 5 или 7 валентных электронов на атом. Новый анализ находит оптимум в диапазоне 7–8, что удивительно близко к старой эмпирике, но теперь подкреплено машинным обучением на тысячах соединений.

В романе Артура Кларка «Конец детства» сверхпроводники при комнатной температуре меняют энергетику и транспорт целой цивилизации. Поиск таких материалов в реальности часто идёт вслепую; эта работа предлагает компас, который может приблизить фантастику к лабораторному столу.

Учёные
Wolfgang PauliSatyendra Nath BoseAlbert EinsteinLeo EsakiFelix BlochJohn Bardeen
Понятия
материалы на основе машинного обучения высокотемпературный сверхпроводник никелат нетрадиционная сверхпроводимость никель прогнозирование теплопроводности купрат высокотемпературная сверхпроводимость металл открытие материалов машинное обучение сверхпроводящая электроника странный металл сверхпроводящий детектор прозрачность свойства материалов размеченные данные метаматериал распознавание образов классификатор