A transição ortorrômbica para tetragonal impulsionada por difusão em YBa2Cu3O7 derivada com um potencial interatômico por aprendizado de máquina

Por que deslocamentos minúsculos de átomos importam

Fios supercondutores capazes de conduzir correntes elétricas enormes com perdas quase nulas são peças-chave em futuros reatores de fusão e em aceleradores de partículas potentes. Um dos materiais mais promissores para esses fios é um óxido de cobre chamado YBCO. Mas o YBCO contém muitos defeitos atômicos que podem comprometer seu desempenho, especialmente sob radiação e altas temperaturas. Este estudo mostra como um novo tipo de modelo computacional pode acompanhar esses defeitos em detalhe e explicar uma mudança sutil na forma do cristal que ocorre conforme a temperatura aumenta.

Um cristal usado em ímãs de alta tecnologia

O YBCO pertence a uma família de supercondutores de alta temperatura usados em fitas avançadas para dispositivos compactos de fusão e ímãs de aceleradores. Suas propriedades úteis dependem de forma sensível de como os átomos de oxigênio estão arranjados dentro do cristal. Se muitos átomos de oxigênio estiverem ausentes ou fora do lugar, o material pode mudar de um bom supercondutor para comportar-se mais como um metal comum ou mesmo como um isolante. A radiação, como a encontrada em um reator de fusão, pode desalojar átomos e criar esses defeitos. Experimentos sugerem que simplesmente aquecer amostras irradiadas pode reparar parte do dano, indicando que os átomos de oxigênio são suficientemente móveis para retornar a posições melhores.

Ensinando um computador a sentir forças atômicas

Para entender esses rearranjos atômicos, os autores construíram um modelo por aprendizado de máquina de como os átomos do YBCO interagem. Em vez de confiar em fórmulas simples e fixas para as forças entre átomos, eles treinaram um “potencial interatômico” usando milhares de cálculos quânticos detalhados. Os dados de treinamento incluíram cristais perfeitos, estruturas esticadas ou comprimidas de diferentes maneiras e muitas configurações com vacâncias, átomos extras comprimidos na rede e regiões altamente desordenadas. Essa amplitude permite que o modelo reconheça ambientes tanto calmos quanto caóticos que surgem quando os átomos de oxigênio se movem.

Colocando o modelo à prova

A equipe verificou que seu potencial por aprendizado de máquina podia reproduzir propriedades básicas do YBCO, como a variação de energia quando o cristal é comprimido ou expandido e como as distâncias entre átomos respondem. Eles também examinaram defeitos específicos de oxigênio em que um átomo de oxigênio deixa seu sítio normal e ocupa uma posição intermediária, criando o que é conhecido como par de Frenkel. Esses movimentos têm um custo energético e uma barreira que deve ser ultrapassada. O novo modelo correspondeu melhor aos exigentes cálculos quânticos para essas quantidades do que modelos empíricos anteriores, especialmente para as barreiras energéticas que controlam quão facilmente o oxigênio pode difundir.

Acompanhando uma mudança sutil de forma com o aquecimento

Munidos desse modelo preciso, os pesquisadores rodaram longas simulações de dinâmica molecular de cristais grandes enquanto eram aquecidos de algumas centenas até mais de mil kelvin. A baixas temperaturas, o cristal tem uma ligeira forma retangular: cadeias de átomos de oxigênio percorrem uma das direções no plano, conferindo uma forma “ortorrômbica”. À medida que a temperatura sobe, átomos de oxigênio saltam dessas cadeias para sítios vizinhos entre as cadeias. Isso gradualmente fragmenta as longas cadeias retas e remove a direção preferencial no plano. Em torno de 800 kelvin nas simulações, o cristal torna-se quase quadrado em seção transversal, uma forma “tetragonal”, ecoando o que experimentos observam em temperaturas um pouco mais altas.

Desordem, entropia e por que a mudança ocorre

Ao rastrear com que frequência os átomos de oxigênio saltam e como o custo energético dos pares de Frenkel muda quando a rede se expande, os autores mostram que a transição não é impulsionada puramente por economia de energia. Em temperaturas próximas à transição, formar esses defeitos ainda custa energia, mas o aumento no número de maneiras de arranjar os átomos de oxigênio eleva a entropia do sistema, o que favorece a desordem. Esse impulso entrópico, auxiliado por uma queda modesta na energia dos defeitos em volumes maiores, leva o cristal de um estado de cadeias ordenadas para um estado mais desordenado, porém simétrico. O modelo também sugere que pequenas quantidades de oxigênio ausente aceleram ligeiramente a transição, em acordo com indícios experimentais.

O que isso significa para dispositivos supercondutores futuros

Para não especialistas, a mensagem principal é que um modelo de aprendizado de máquina cuidadosamente treinado pode agora seguir a dança dos átomos de oxigênio em um supercondutor complexo e explicar como seu movimento reforma o cristal em alta temperatura. Essa habilidade abre a porta para simulações realistas em larga escala de como o YBCO responde à radiação e ao calor em ímãs em operação, e como tratamentos térmicos poderiam restaurar seu desempenho. Mais amplamente, o trabalho mostra que o aprendizado de máquina pode lidar com óxidos contendo vários elementos e química intricada, oferecendo uma nova ferramenta para projetar e proteger materiais supercondutores avançados.

Citação: 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

Palavras-chave: YBCO, difusão de oxigênio, potencial por aprendizado de máquina, supercondutores, transição de fase