I proprietari di stalloni purosangue allevano con cura cavalli pluripremiati per generazioni per guadagnare frazioni di secondo in gare da milioni di dollari. Gli scienziati dei materiali hanno preso una pagina da quel manuale, rivolgendosi al potere dell'evoluzione e della selezione artificiale per sviluppare superconduttori in grado di trasmettere la corrente elettrica nel modo più efficiente possibile.

Forse controintuitivamente, la maggior parte dei superconduttori applicati può funzionare ad alti campi magnetici perché contengono difetti. Il numero, dimensione, forma e posizione dei difetti all'interno di un superconduttore lavorano insieme per aumentare la capacità di trasporto della corrente elettrica in presenza di un campo magnetico. Troppi difetti, però, può portare al blocco del percorso della corrente elettrica o alla rottura del materiale superconduttore, quindi gli scienziati devono essere selettivi nel modo in cui incorporano i difetti in un materiale.

In un nuovo studio dell'Argonne National Laboratory del Dipartimento dell'Energia degli Stati Uniti (DOE), i ricercatori hanno utilizzato la potenza dell'intelligenza artificiale e dei supercomputer ad alte prestazioni per introdurre e valutare l'impatto di diverse configurazioni di difetti sulle prestazioni di un superconduttore.

I ricercatori hanno sviluppato un algoritmo informatico che trattava ogni difetto come un gene biologico. Diverse combinazioni di difetti hanno prodotto superconduttori in grado di trasportare diverse quantità di corrente. Una volta che l'algoritmo ha identificato un insieme di difetti particolarmente vantaggioso, si è reinizializzato con quell'insieme di difetti come un "seme, " da cui emergerebbero nuove combinazioni di difetti.

"Ogni esecuzione della simulazione equivale alla formazione di una nuova generazione di difetti che l'algoritmo cerca di ottimizzare, " ha detto il famoso collega e scienziato dei materiali di Argonne Wai-Kwong Kwok, un autore dello studio. "Col tempo, le strutture del difetto si affinano progressivamente, poiché selezioniamo intenzionalmente strutture difettose che consentano materiali con la corrente critica più elevata".

Il motivo per cui i difetti costituiscono una parte così essenziale di un superconduttore risiede nella loro capacità di intrappolare e ancorare i vortici magnetici che si formano in presenza di un campo magnetico. Questi vortici possono muoversi liberamente all'interno di un materiale superconduttore puro quando viene applicata una corrente. Quando lo fanno, iniziano a generare una resistenza, negando l'effetto superconduttore. Mantenendo i vortici appuntati, pur consentendo alla corrente di viaggiare attraverso il materiale, rappresenta un Santo Graal per gli scienziati che cercano di trovare modi per trasmettere elettricità senza perdite nei superconduttori applicati.

Trovare la giusta combinazione di difetti per arrestare il moto dei vortici, i ricercatori hanno inizializzato il loro algoritmo con difetti di forma e dimensione casuali. Mentre i ricercatori sapevano che questo sarebbe stato lontano dalla configurazione ottimale, ha dato al modello una serie di condizioni iniziali neutre da cui lavorare. Mentre i ricercatori hanno analizzato le generazioni successive del modello, videro i difetti iniziali trasformarsi in una forma colonnare e infine in una disposizione periodica di difetti planari.

"Quando si pensa a un'evoluzione mirata, potrebbero pensare a persone che allevano cani o cavalli, " ha detto lo scienziato dei materiali di Argonne Andreas Glatz, il corrispondente autore dello studio. "Il nostro è un esempio di material by design, dove il computer apprende dalle generazioni precedenti la migliore disposizione possibile dei difetti."

Un potenziale svantaggio del processo di selezione dei difetti artificiali risiede nel fatto che alcuni modelli di difetti possono radicarsi nel modello, portando ad una sorta di calcificazione dei dati genetici. "In un certo senso, puoi pensarlo come una consanguineità, " Kwok ha detto. "Conservare la maggior parte delle informazioni nel nostro 'pool genetico' difettoso tra generazioni ha sia vantaggi che limiti in quanto non consente drastiche trasformazioni a livello di sistema. Però, la nostra "evoluzione" digitale può essere ripetuta con diversi semi iniziali per evitare questi problemi".

Per eseguire il loro modello, i ricercatori avevano bisogno di strutture di calcolo ad alte prestazioni presso l'Argonne e l'Oak Ridge National Laboratory. L'Argonne Leadership Computing Facility e l'Oak Ridge Leadership Computing Facility sono entrambe strutture per gli utenti dell'Office of Science del DOE.

Un articolo basato sullo studio, "Evoluzione mirata dei paesaggi pinning per grandi correnti critiche superconduttrici, " apparso nell'edizione del 21 maggio del Atti dell'Accademia Nazionale delle Scienze . Oltre a Kwok e Glatz, Ivan Sadovsky di Argonne, Hanno collaborato anche Alexei Koshelev e Ulrich Welp.