חיפוש מונחה-למידת מכונה אחרי על־הולכת פיזון-מתווכת בחומרים מבוססי בורון ופחמן

למה על־מוליכים חדשים חשובים

על־מוליכים, חומרים המובילים חשמל ללא התנגדות, יכולים לשנות מערכות רשת חשמל, הדמיה רפואית, מחשוב קוונטי ורכבות מהירות. עם זאת, רוב העל־מוליכים הידועים פועלים רק בטמפרטורות נמוכות מאוד, מה שהופך את השימוש בהם ליקר. מחקר זה בוחן האם מודלים ממוחשבים חכמים ולימוד מכונה יכולים להאיץ את החיפוש אחרי על־מוליכים טובים יותר העשויים מיסודות קלים נפוצים כמו בורון ופחמן, וכך לקרב חומרים פרקטיים ובעלי ביצועים גבוהים לטכנולוגיה יומיומית.

לחפש בחוכמה במקום בחיפוש עיוור

המחברים מתמקדים בקבוצה מסוימת שנקראת על־מוליכות מתווכת-פיזון, שבה תנודות של הסריג הגבישי (פיזונים) עוזרות לאלקטרונים להיצמד ולהתנועע ללא התנגדות. אטומים קלים כגון בורון ופחמן רוטטים בתדרים גבוהים באופן טבעי, מה שיכול להעדיף טמפרטורות על־מוליכות גבוהות יותר. במקום לבדוק חומרים אחד־אחד במעבדה, הצוות מתחיל מספרייה דיגיטלית גדולה של יותר מאלף תרכובות המכילות בורון ופחמן שנלקחו ממאגר Materials Project. הם מיישמים מסננים כדי לבחור מועמדים מתכתיים, לא־מגנטיים ובעלי אנרגיה סבירה עם גדלי יחידות גבישיים ניתנים לטיפול, ומצמצמים את המאגרים לכ־700 חומרים שעשויים, בעקרון, לתמוך בסוג זה של על־מוליכות.

חישובים כבדים ללימוד המכונה

כדי להעריך האם כל מועמד עלול להפוך לעל־מוליך, החוקרים משתמשים בשיטת מכניקה קוונטית שנקראת תורת הפרעות פונקציונלית של הצפיפות. שיטה זו מאפשרת לחשב עד כמה האלקטרונים מתקשרים עם תנודות הסריג ולחזות את טמפרטורת המעבר הקריטית שבה תופיע על־הולכה. עם זאת, החישובים הללו גוזלים זמן ורגישים: הם דורשים דגימה קפדנית של מרחב התנע של הגביש ולעתים חושפים אי־יציבות דינמית, שבה חלק מתמודי הרטט הם "דמיוניים", מה שמעיד שהמבנה יעדיף לעוות. הצוות מפתח מבחן מעשי לבדוק האם תחזיות הטמפרטורה מהימנות מספרית ומעדן את הדגימה עד שהתוצאות מתכנסות עבור למעלה מ־400 תרכובות. הם גם מוצאים דרכים — באמצעות לחץ, עיוותים עדינים או הגדלת ה"עיבוי" האלקטרוני — לייצב מצבי רטט לא יציבים כדי שניתן יהיה עדיין להעריך את התנהגות העל־הולכה שלהם במקום לפסול אותם.

ללמד רשתות נוירונים לזהות על־מוליכים

ברגע שיש להם מאגר חישובי גדול ומדיוק סביר, המחברים מאמנים שתי רשתות נוירונים גרפיות, CGCNN ו‑ALIGNN, ללמוד את הקשר בין המבנה הגבישי לבין התכונות העל־מוליכותיות. מודלים אלה מטפלים בגביש כרשת של אטומים וקשרים, ומעדכנים פרמטרים פנימיים כדי לשחזר את חוזק קשירת האלקטרון–פיזון וטמפרטורת המעבר המחושבת. מהלך העבודה הוא איטרטיבי: מודל ראשוני מאומן על תת־קבוצה של תרכובות, משמש לחיזוי אילו חומרים לא נחקרים נראים מבטיחים ביותר או ברורים כלא־על־מוליכים, ומועמדים אלה מוחזרים לאחר מכן לחישובים הקוונטיים היקרים. בכל סיבוב קבוצת האימון גדלה ומודלי למידת המכונה הופכים לאמינים יותר. פיתול מרכזי בעבודה זו הוא שהמחברים מכניסים במכוון תרכובות שהן בתחילה בלתי־יציבות דינמית אך ניתנות לייצוב, ובכך מרחיבים את המגוון של דפוסים שהמודלים רואים.

רטטים רכים כהזדמנות סמויה

על־ידי ייצוב וניתוח תרכובות עם מצבי פיזון ראשוניים דמיוניים, המחקר מגלה שתנודות רכות אלה יכולות למעשה להגביר את העל־הולכה לאחר ש"נשבו". מספר תרכובות כאלה, כולל בוריד ניטריד קלציום (Ca5B3N6) ומגוון בורידים וקרבידים של מוליבדן, טנטלום ורותניום, צפויות להציג טמפרטורות קריטיות יחסית גבוהות, חלקן מתחרות או עולות על הידע הקיים ב‑MgB2, לפחות מבחינה תאורטית. העבודה מראה שאם היו מתעלמים ממערכות בלתי־יציבות דינמית היו מפסידים כ־מאה עמוד מתוך המאגרים וכמה מהמועמדים המבטיחים ביותר. כאשר מקריבים את המקרים המאתגרים הללו, מודל ALIGNN, שמקודד במפורש גם זוויות קשר בנוסף לאורך הקשרים, מעניק ביצועים ברורים על פני CGCNN, מה שמבליט עד כמה תכונות גיאומטריות עדינות חשובות ללכידת התנהגות רטטית רכה.

מה זה אומר לחומרים העתידיים

עבור לא־מומחים, המסר העיקרי הוא שהשילוב של חישובים קוונטיים מפורטים ומודלי למידת מכונה מותאמים יכול כעת לסרוק מרחבי כימיה מורכבים ביעילות רבה יותר מניסויים בלבד. המחקר לא רק מזהה תרכובות ספציפיות עשירות בבורון ובפחמן — כגון TaNbC2, Nb3B3C, Y2B3C2, Ca5B3N6 ומשפחה של חומרים מבוססי Ru — כמועמדים מבטיחים לעל־הולכה, אלא גם ממסד אסטרטגיה שניתנת לשימוש חוזר: אל תשליכו מועמדים "לא יציבים" בקלות, כי תנודות רכות שלהם עשויות להחזיק את המפתח לעל‑הולכה חזקה יותר לאחר ייצוב. אמנם תחזיות אלה עדיין זקוקות לאישוש ניסויי ובדיקות תאורטיות מדוקדקות יותר, אך הן ממפות מסלול ממוקד ומבוסס מידע לגילוי על‑מוליכים פרקטיים לטכנולוגיות העתידיות.

ציטוט: Nepal, N.K., Wang, LL. Machine-learning guided search for phonon-mediated superconductivity in boron and carbon compounds. npj Comput Mater 12, 152 (2026). https://doi.org/10.1038/s41524-026-01962-w

מילות מפתח: על־הולכה־על, למידת מכונה, תרכובות בורון ופחמן, קשירת אלקטרון-פיזון, גילוי חומרים