ИИ и роботы ускоряют поиск новых промышленных сверхпроводников

Два стартапа используют автоматизированные системы и искусственный интеллект для поиска сверхпроводящих материалов, способных заменить ниобий-титан. По данным IEEE Spectrum, новые разработки нацелены на создание проводов, которые можно производить в промышленных масштабах.

Современная индустрия сверхпроводников десятилетиями опирается на ниобий-титан, несмотря на наличие десятков материалов с более высокими характеристиками. Главная проблема заключается в технологичности: ниобий-титан уникален своей способностью превращаться в качественную проволоку в промышленных масштабах. Переходная температура этого сплава составляет 10 кельвинов, или минус 264 градуса Цельсия, ниже которой материал теряет электрическое сопротивление. Преодоление этого барьера с сохранением пригодности к массовому производству стало главной задачей для двух американских компаний.

Технологический прорыв стартапов

Базирующаяся в Кембридже компания Quantum Formatics сосредоточилась на поиске материалов, работающих в диапазоне от 10 до 20 кельвинов. По словам основателя компании Джейсона Гибсона, ключевым требованием к новым соединениям является наличие отличных механических свойств, что позволит интегрировать их в уже существующие стандартные процессы производства проволоки. Сейчас компания находится на этапе разработки прототипа, пригодного для квалификационных испытаний, и планирует представить его в течение ближайшего года.

В свою очередь, Periodic Labs, основанная в сентябре 2025 года, делает ставку на автоматизацию лабораторных исследований. Сооснователь компании Экин Догуш Чубук отмечает, что специалисты разработали методику на базе рентгеноструктурного анализа для картографирования атомной структуры материалов. Для ускорения процесса компания создала роботизированную систему с манипуляторами, которая использует алгоритмы искусственного интеллекта для тестирования до одной тысячи потенциальных кандидатов в сутки.

Как робототехника меняет материаловедение

Поиск новых материалов традиционными методами требует колоссальных временных затрат, так как анализ тысяч рентгенограмм вручную невозможен для человека. Использование машинного обучения позволяет автоматизировать этот этап: алгоритмы анализируют данные рентгеновской дифракции и сопоставляют их с магнитными свойствами образцов. Интеграция роботов в этот цикл позволяет физически проводить тысячи тестов ежедневно, радикально сокращая время от первичной гипотезы до экспериментального подтверждения.

Вызовы и перспективы внедрения

Основная сложность заключается в том, что лабораторный успех не всегда транслируется в промышленную эффективность. Многие перспективные материалы оказываются слишком хрупкими или сложными в обработке, что делает их непригодными для вытяжки в длинные нити или проволоку. Подход Quantum Formatics, ориентированный на механическую прочность, направлен именно на устранение этого разрыва. Для бизнеса и производителей оборудования это означает потенциальную возможность создания более эффективных систем без необходимости полной переработки производственных линий.

Будущее автоматизированного поиска

В ближайшее время обе компании планируют завершить этап поиска оптимальных составов и перейти к созданию опытных образцов. Успех этих разработок станет индикатором того, насколько эффективно ИИ может справляться с задачами в области фундаментального материаловедения. Если стартапам удастся доказать работоспособность своих материалов в промышленных тестах, это может положить начало обновлению стандартов сверхпроводящих технологий.

Итог

Сочетание робототехники и искусственного интеллекта превращает поиск сверхпроводников из медленного перебора вариантов в высокоскоростной инженерный процесс. Следить за успехами Periodic Labs и Quantum Formatics стоит всем, кто интересуется будущим энергетики и высокотехнологичного производства, так как именно здесь решается вопрос перехода на более эффективные материалы нового поколения.