ポポン媒介型超伝導性を探す機械学習誘導探索：ボロン・カーボン化合物の検討

なぜ新しい超伝導体が重要か

超伝導体は電気抵抗ゼロで電流を運ぶ材料であり、電力網、医療用画像装置、量子コンピュータ、高速鉄道などを一変させる可能性があります。しかし、既知の超伝導体の多くは非常に低温でしか動作せず、実用化の障壁になっています。本研究は、ボロンやカーボンといった軽元素から作られる、より実用的な高性能超伝導体を見つけるために、賢いコンピュータモデルと機械学習が探索を加速できるかを検討します。これにより実用化に近い材料の発見が期待されます。

手当たり次第ではなく賢く探索する

著者らは結晶格子の振動（フォノン）が電子の対形成を助ける「フォノン媒介型超伝導体」に注目します。ボロンやカーボンのような軽い原子は自然に高周波で振動し、高い超伝導転移温度を有利にすることがあります。研究チームは実験で材料を一つずつ調べる代わりに、Materials Projectデータベースから集めた千を超えるボロン・カーボン含有化合物のデジタルライブラリを出発点とします。金属性、非磁性、熱力学的に妥当で扱いやすい結晶サイズといったフィルタを適用し、理論的にこの種の超伝導を担う可能性がある約700種類に候補を絞り込みます。

機械を教えるための重厚な計算

各候補が超伝導体になり得るかを見積もるために、研究者らは密度汎関数摂動理論という量子力学的手法を用います。これにより電子と格子振動の相互作用の強さを計算し、超伝導が現れる臨界温度を予測できます。ただし、これらの計算は時間がかかり難しい問題を伴います：結晶の運動量空間を精密にサンプリングする必要があり、しばしば動的不安定性が現れ、一部の振動モードが「虚数」になって構造がゆがむ方を好むことを示します。著者らは温度予測の数値的信頼性をチェックする実用的なテストを開発し、400以上の化合物で結果が収束するまでサンプリングを洗練させます。さらに、圧力、穏やかな歪み、あるいは電子的スミアリングの増加を用いて不安定な振動モードを安定化させ、そうした化合物を単に捨てるのではなく超伝導性を推定できるようにする方法も考案します。

超伝導体を見分けるニューラルネットの教育

大規模で比較的精度の高い計算データセットが得られると、著者らはCGCNNとALIGNNの二つのグラフベースのニューラルネットワークを訓練し、結晶構造と超伝導特性の関連を学習させます。これらのモデルは結晶を原子と結合のネットワークとして扱い、内部パラメータを調整して計算された電子–フォノン結合の強さや転移温度を再現しようとします。ワークフローは反復的で、初期モデルを化合物のサブセットで訓練し、未調査の材料のうち有望または明らかに非超伝導的に見える候補を予測し、それらを高コストな量子計算に戻します。ループを重ねるごとに訓練セットは拡大し、機械学習モデルの信頼性は高まります。本研究の重要な工夫は、最初は動的に不安定だが安定化可能な化合物を故意に含める点で、モデルが学ぶパターンの多様性を広げています。

軟らかい振動は隠れた好機

最初は虚数フォノンモードを持つ化合物を安定化して解析することで、これらの軟らかい振動は制御されれば実際に超伝導を増強し得ることが示されます。カルシウムボロニトリド（Ca5B3N6）や、モリブデン、タンタル、ルテニウムの各種ボライドやカルバイドなど、いくつかの化合物は比較的高い臨界温度が予測され、理論的にはよく知られたMgB2に匹敵するか上回るものもあります。動的に不安定な系を無視していたらデータセットの約5分の1と、有望な候補のいくつかを見落としていたことになります。こうした難しいケースを含めると、結合角と結合長を明示的に符号化するALIGNNモデルがCGCNNを上回り、軟らかい振動挙動を捉えるうえで微妙な幾何学的特徴が重要であることが浮き彫りになります。

今後の材料探索への意味

専門外の読者にとっての主要なメッセージは、詳細な量子計算と目的に合わせた機械学習モデルの組み合わせが、実験だけよりはるかに効率的に複雑な化学空間をスキャンできるようになったことです。本研究はTaNbC2、Nb3B3C、Y2B3C2、Ca5B3N6やルテニウム系材料群など、具体的なボロン・カーボン富化化合物を有望な超伝導体として示しただけでなく、再利用可能な戦略を確立しました：『不安定』と見なされる候補を早々に捨てないこと。これらの軟らかい振動は安定化されればより強い超伝導性の鍵になる可能性があります。これらの予測は依然として実験的確認やより洗練された理論的検証を必要としますが、実用的な超伝導体を見つけるための、より標的化され情報に基づく道筋を描き出しています。

引用: 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

キーワード: 超伝導, 機械学習, ボロン・カーボン化合物, 電子–フォノン結合, 材料探索