Der diffusionsgetriebene orthorhombisch‑zu‑tetragonal Übergang in YBa2Cu3O7 untersucht mit einem maschinellen Lern‑interatomaren Potential

Warum winzige Atomverschiebungen wichtig sind

Supraleitende Drähte, die sehr große elektrische Ströme nahezu verlustfrei leiten können, sind zentrale Bausteine künftiger Fusionsreaktoren und leistungsstarker Teilchenbeschleuniger. Eines der vielversprechendsten Materialien für solche Drähte ist die Kupferoxidverbindung YBCO. YBCO enthält jedoch viele atomare Defekte, die seine Leistung schwächen können, insbesondere unter Strahlungseinfluss und hohen Temperaturen. Diese Studie zeigt, wie ein neuer Computermodelltyp diese Defekte detailliert verfolgt und eine subtile Formänderung des Kristalls erklärt, die beim Erwärmen auftritt.

Ein Kristall für High‑Tech‑Magnete

YBCO gehört zu einer Familie von Hochtemperatur‑Supraleitern, die in fortschrittlichen Bändern für kompakte Fusionsgeräte und Beschleunigermagnete verwendet werden. Seine nützlichen Eigenschaften hängen sensitv davon ab, wie Sauerstoffatome im Kristall angeordnet sind. Sind zu viele Sauerstoffatome fehlend oder fehlplatziert, kann das Material vom guten Supraleiter zu einem gewöhnlichen Metall oder sogar Isolator werden. Strahlung, wie sie in einem Fusionsreaktor vorkommt, kann Atome aus ihrer Position schlagen und solche Defekte erzeugen. Experimente deuten darauf hin, dass bloßes Erhitzen bestrahlter Proben einige Schäden reparieren kann, was darauf hinweist, dass Sauerstoffatome ausreichend mobil sind, um in bessere Positionen zurückzuwandern.

Den Computer lehren, atomare Kräfte zu „fühlen“

Um diese atomaren Umordnungen zu verstehen, bauten die Autoren ein maschinelles Lernmodell der Wechselwirkungen zwischen YBCO‑Atomen. Anstatt sich auf einfache, festgelegte Formeln für die Kräfte zwischen Atomen zu stützen, trainierten sie ein „interatomares Potential“ mit tausenden detaillierter quantenmechanischer Rechnungen. Die Trainingsdaten enthielten perfekte Kristalle, Strukturen, die auf verschiedene Weise gedehnt oder komprimiert waren, sowie zahlreiche Konfigurationen mit Vakanzstellen, zusätzlichen Atomen im Gitter und stark ungeordneten Bereichen. Diese Breite erlaubt dem Modell, sowohl ruhige als auch chaotische Umgebungen zu erkennen, wie sie entstehen, wenn sich Sauerstoffatome bewegen.

Das Modell auf die Probe stellen

Das Team überprüfte, dass ihr maschinelles Lern‑Potential grundlegende Eigenschaften von YBCO reproduzieren kann, etwa wie sich seine Energie verändert, wenn der Kristall zusammengedrückt oder erweitert wird, und wie sich die Abstände zwischen Atomen anpassen. Sie untersuchten auch spezifische Sauerstoffdefekte, bei denen ein Sauerstoffatom seinen normalen Platz verlässt und eine Zwischenposition einnimmt, wodurch ein sogenanntes Frenkel‑Paar entsteht. Diese Bewegungen sind mit einem Energieaufwand und einer zu überwindenden Barriere verbunden. Das neue Modell stimmte bei diesen Größen deutlich besser mit anspruchsvollen Quantenrechnungen überein als frühere empirische Modelle, insbesondere bei den Energiebarrieren, die die Leichtigkeit der Sauerstoffdiffusion steuern.

Eine subtile Formänderung beim Erhitzen verfolgen

Mit diesem präzisen Modell führten die Forschenden lange Molekulardynamik‑Simulationen großer Kristalle durch, während diese von einigen hundert bis über tausend Kelvin erhitzt wurden. Bei niedrigen Temperaturen hat der Kristall einen leicht rechteckigen Querschnitt: Sauerstoffketten verlaufen entlang einer In‑Plane‑Richtung und verleihen die „orthorhombische“ Form. Mit steigender Temperatur springen Sauerstoffatome aus diesen Ketten in benachbarte Zwischenplätze zwischen den Ketten. Das bricht nach und nach die langen geraden Ketten auf und beseitigt die Vorzugsrichtung in der Ebene. Bei etwa 800 Kelvin in den Simulationen wird der Kristall im Querschnitt fast quadratisch, eine „tetragonale“ Form, was dem entspricht, was Experimente bei etwas höheren Temperaturen beobachten.

Unordnung, Entropie und warum der Übergang passiert

Indem sie verfolgten, wie oft Sauerstoffatome springen und wie sich die Energiekosten für Frenkel‑Paare mit der Gitterausdehnung ändern, zeigen die Autoren, dass der Übergang nicht rein durch Energieeinsparung angetrieben wird. In der Nähe des Übergangs kostet die Bildung dieser Defekte weiterhin Energie, doch die wachsende Zahl an Anordnungsvarianten für die Sauerstoffatome erhöht die Entropie des Systems und begünstigt damit Unordnung. Dieser entropische Antrieb, unterstützt durch einen moderaten Abfall der Defektenergie bei größeren Volumina, treibt den Kristall von einem geordneten Kettenzustand in einen stärker ungeordneten, dafür symmetrischeren Zustand. Das Modell legt außerdem nahe, dass kleine Mengen fehlenden Sauerstoffs den Übergang leicht beschleunigen, in Übereinstimmung mit experimentellen Hinweisen.

Was das für zukünftige supraleitende Geräte bedeutet

Für Nicht‑Spezialisten lautet die Kernbotschaft, dass ein sorgfältig trainiertes maschinelles Lernmodell nun die Bewegung der Sauerstoffatome in einem komplexen Supraleiter verfolgen und erklären kann, wie ihre Bewegung den Kristall bei hohen Temperaturen umformt. Diese Fähigkeit öffnet die Tür zu realistischen Groß‑Skalensimulationen, wie YBCO auf Strahlung und Hitze in eingesetzten Magneten reagiert und wie Wärmebehandlungen seine Leistung wiederherstellen können. Allgemeiner zeigt die Arbeit, dass maschinelles Lernen Oxide mit mehreren Elementen und komplizierter Chemie handhaben kann und damit ein neues Werkzeug bietet, um fortschrittliche supraleitende Materialien zu entwerfen und zu schützen.

Zitation: Gambino, D., Di Eugenio, N., Byggmästar, J. et al. The diffusion-driven orthorhombic to tetragonal transition in YBa₂Cu₃O₇ derived with a machine learning interatomic potential. npj Quantum Mater. 11, 41 (2026). https://doi.org/10.1038/s41535-026-00891-7

Schlüsselwörter: YBCO, Sauerstoffdiffusion, maschinelles Lern‑Potential, Supraleiter, Phasenübergang