Den hellige gral innen materialvitenskap
La meg fortelle deg om noe som høres ut som science fiction, men som er fullt mulig: materialer som leder strøm uten noen motstand. Ingen energitap. Ingen varmeutvikling. Bare elektroner som flyter perfekt, for alltid.
Dette kalles supraledere, og det er ærlig talt en av de mest tankevekkende tingene innen fysikk.
I dag har vi noen fungerende supraledere. De brukes i MR-maskiner, partikkelakseleratorer, til og med i eksperimentelle magnetlevitasjonstog. Men her er greia: de fungerer bare når de er avkjølt til temperaturer nær det absolutte nullpunkt (rundt -270°C eller kaldere). Det er dyrt, upraktisk, og ikke akkuratideelt for hverdagsbruk.
Forskere verden over har derfor lett etter en romtemperatur-supraleder — et materiale som kan lede strøm perfekt uansett hvilken temperatur du har det behagelig med. Hvis vi klarer det, ville det være revolutionerende. Vi snakker om langt mer effektive strømnett, datamaskiner som kjører kaldere og raskere, og teknologi vi ennå ikke har forestilt oss.
Problemet? Å finne disse materialene har vært brutalt vanskelig. I tiår har de fleste supraledere blitt oppdaget ved en tilfeldighet.
Når flaks møter vitenskap (og hvorfor vi trenger en bedre metode)
Professor Päivi Törmä ved Aalto universitet forklarer det slik: forskere har oppdaget over 7000 supraledere i løpet av tiårene, men de fleste av disse oppdagelsene var i bunn og grunn tilfeldigheter. Den tradisjonelle metoden for å forutsi hvilke materialer som kan være aktuelle krever så mye datakraft at forskerne bare har klart å teste rundt 20 av disse 7000 på en systematisk måte.
Tyve. Av tusenvis.
Det er som å prøve å finne en nål i en høystakk, men bare undersøke én eneste strå.
Men her blir det spennende: Professor Törmä leder et internasjonalt team kalt SuperC-konsortiet, og de har nylig demonstrert noe som kan endre hele spillet.
AI til unnsetning
Teamet har utviklet en KI-drevet tilnærming som raskt kan screene enorme mengder mulige materialkombinasjoner og identifisere de mest lovende kandidatene. I stedet for å manuelt beregne kvanteegenskapene til hver eneste mulighet — noe som ville ta evigheter og kreve massive mengder datakraft — kan maskinlæringsalgoritmene deres raskt snevre inn feltet til kun de beste tippene.
Når KI-en peker ut lovende materialer, kjører forskerne detaljerte kvanteberegninger på akkurat disse kandidatene. Hvis matematikken ser bra ut, syntetiserer samarbeidspartnere ved Rice University materialene i et laboratorium for å se om de faktisk fungerer i praksis.
Denne tilnærmingen førte nylig til oppdagelsen av to nye supraledere: YRu3B2 og LuRu3B2. Og det spesielle? Deres unike egenskaper kommer fra elektroner som danner det som kalles "flate bånd" inne i noe som kalles en kagome-gitter. Et kagome-gitter er en geometrisk ordning av atomer som har fått navnet sitt fra et tradisjonelt japansk kurvflettemønster. Hvor kult er ikke det? Vitenskapen tar bokstavelig talt designinspirasjon fra håndverkere århundrer før elektroner noensinne ble oppdaget.
Hvorfor dette betyr noe langt utover to nye materialer
Her er det som virkelig begeistrer meg med denne forskningen: det handler ikke bare om å finne disse to spesifikke materialene. Det handler om å bevise at metoden fungerer.
Professor Törmä sier det vakkert: med maskinlæring kan teamet kanskje øke antallet materialer de kan behandle fra titalls til milliarder. Milliarder. Det er ikke en gradvis forbedring — det er et revolusjonerende sprang.
Tenk på hva det betyr. I stedet for å snuble over supraledere ved et uhell, kan forskere systematisk søke gjennom enorm kjemisk variasjon med KI som sin guide. Oppdagelsen av de to nye materialene var i bunn og grunn et bevis på at konseptet fungerer — at KI-screening → kvanteberegning → lab-syntese-pipelinen faktisk holder mål.
Innsatsen er helt enorm
La oss ta et øyeblikk til å sette pris på hva en romtemperatur-supraleder ville bety for verden vår.
Professor Törmä påpeker at hvis slike materialer kunne erstatte vanlige ledere i datamaskiner og datasentre, kunne vi kutte global energiforbruk dramatisk og redusere varmefotavtrykket til hele IKT-sektoren. Vi snakker om en av de mest energiintensive industriene på planeten.
Men det strekker seg langt utover det. Tenk deg strømnett som ikke taper energi under overføring. Motorar som er langt mer effektive. Magnetsveve som blir økonomisk lønnsomt overalt. Kvantedatamaskiner som er enklere å vedlikeholde. Anvendelsesmulighetene spenner bokstavelig talt over nesten alle sektorer av moderne teknologi.
SuperC-konsortiet har satt et ambisiøst mål: finne en romtemperatur-supraleder innen 2033. Det er mindre enn et tiår unna. Og med KI som akselererer letingen, kan den tidslinjen faktisk la seg oppnå.
En liten dose realism (for balansens skyld)
Jeg vil være ærlig med deg: selv med KI til hjelp, er det fortsatt enorme utfordringer fremover. Et materiale kan se perfekt ut på papiret og være nesten umulig å syntetisere i praksis. Selv lovende supraledere kan være for sjeldne, for giftige, eller for vanskelige å produsere i stor skala til noen gang å bli praktiske.
Men her er greia — vi vet ikke før vi leter. Og nå, takket være KI, kan vi lete mye raskere.
Konklusjonen
Vitenskapen beveger seg i rykk og napp. Noen ganger gjør vi gradvis fremgang, andre ganger har vi gjennombrudd som fundamentalt endrer hva som er mulig. Den KI-drevne tilnærmingen som Professor Törmäs team utvikler, føles som det siste.
Vi vitner om et øyeblikk der kunstig intelligens ikke bare hjelper til med små oppgaver — den muliggjør en helt ny måte å drive vitenskap på. Leter etter romtemperatur-supraledere har blitt kalt "den hellige gral" innen materialvitenskap, og KI har akkurat blitt vår beste sjanse til å finne den.
Jeg kommer til å følge nøye med på dette feltet. Det bør du også.
Kilde: ScienceDaily — https://www.sciencedaily.com/releases/2026/07/260701205006.htm