Grazie alla ricerca di un team di scienziati toscani è stato scoperto per la prima volta grazie all’intelligenza artificiale un nuovo superconduttore. Si chiama monchetundraite. Protagonisti dell’eccezionale risultato i ricercatori dell’Università di Firenze che hanno ideato e addestrato la rete neurale, testato le sue risposte e sperimentato le performance del materiale selezionato verificandone l’effettiva superconduttività.
L'esito della ricerca è oggetto di una pubblicazione sulla rivista Nature Computational Materials.Qui il team interdisciplinare coordinato da Duccio Fanelli documenta come sia stato possibile ottimizzare quello che, con le usuali tecniche, sarebbe stato un percorso estremamente complesso e dispendioso.
“L’idea nasce dal lavoro di tesi di un nostro studente del corso di laurea magistrale in Scienze Fisiche e Astrofisiche, Claudio Pereti, primo firmatario dell’articolo", racconta Fanelli che è ordinario di Fisica della Materia dell’Ateneo fiorentino. "Abbiamo quindi addestrato una rete neurale valutandone l’affidabilità predittiva su diversi database, uno dei quali costituito da 207 materiali che un pool di esperti a livello mondiale aveva designato come possibili candidati e da cui, dopo lunghi e costosi esperimenti, era emerso un sottoinsieme limitato di effettivi superconduttori”, spiega.
In questa prima fase di ‘allenamento e test’, l’intelligenza artificiale ha dimostrato la sua precisione selezionando tutti i superconduttori, con pochissimi falsi positivi. Il team ha proseguito la ricerca applicando l’algoritmo al catalogo dei minerali, per individuare potenziali candidati superconduttori, non ancora stati testati per via sperimentale. A condurre questa parte dello studio è stato il docente di mineralogia dell'università di Firenze Luca Bindi, che si è occupato della caratterizzazione del materiale indagato.
Il lavoro di squadra è proseguito poi nei laboratori di Roberta Sessoli, docente di Chimica dell’Ateneo fiorentino che, assieme ai colleghi dell’Università di Rennes, ha messo alla prova il minerale utilizzando tecniche di analisi sperimentale per confermare con misure magnetometriche la temperatura critica.
L’algoritmo ha dato anche un’ulteriore prova di efficienza nel prendere le sue decisioni: partendo unicamente dalla caratterizzazione degli atomi che compongono i materiali analizzati, è stato in grado di identificare quelli che danno un contributo determinante per l’insorgenza del comportamento superconduttivo o la modulazione della temperatura critica.