Sviluppo di nuovi Superconduttori Convenzionali ad alta Tc attraverso la Material Informatics

In breve

In questo progetto, ispirato dalla rivoluzionaria scoperta della superconduttività a temperatura ambiente in superidruri ad alta pressione, combineremo metodi computazionali avanzati per il design ad-initio dei materiali e tecniche di data science, allo scopo di identificare nuovi superconduttori ad alta temperatura critica a pressione ambiente. Ci focalizzeremo sugli idruri ternari e su composti di elementi leggeri, che sono due classi di materiali promettenti per la superconduttività convenzionale ad alta Tc. In confronto a soli 10 anni fa, il progresso dei metodi computazionali a principi primi oggi è tale da rendere possibile la previsione al computer del diagramma di fase superconduttivo di una qualsiasi combinazione di elementi. Nonostante ciò, la complessità del problema è troppo grande perchè si possa pensare di fare un’esplorazione a tappeto di tutte le combinazioni possibili di elementi. Allo scopo di restringere lo spazio di ricerca, verranno applicate tecniche di machine learning. La sinergia di diversi metodi computazionali per la scoperta mirata di nuovi materiali, è uno dei trend emergenti nella ricerca in materia condensata (material informatics).

 

La speranza di identificare superconduttori (SC) in grado di operare a temperature prossime alla temperatura ambiente, è stata rilanciata cinque anni fa grazie alla scoperta della superconduttività in un superidruro di zolfo (SH3) a pressioni dell’ordine del Megabar (? ). Il composto SH3 e, più tardi, il LaH10 Fig. 1a non solo hanno stabilito record senza precedenti per la temperatura critica Tc (203 e 260K rispettivamente), ma hanno anche delineato una nuova strada per la scoperta di SC: infatti, per la prima volta in oltre un secolo, le scoperte sperimentali di nuovi superconduttori sono state anticipate da accurate previsioni teoriche. Sviluppi cruciali nell’ambito dei metodi ab-initio per la previsione delle strutture cristalline e per la superconduttività Fig. 1b, permettono oggi di calcolare su un computer il diagramma di fase e la Tc di molti SC convenzionali, con un accuratezza spesso comparabile con gli esperimenti. La scoperta dell’SH3 ha dato il via ad una vera e propria corsa agli idruri (hydride rush), durante la quale sono stati predetti, e in alcuni casi sintetizzati sperimentalmente, più di 100 nuovi SC binari basati sull’idrogeno (? ). Sebbene la scoperta di questi superidruri abbia una grande importanza per la ricerca di base, i risvolti pratici sono molto limitati, a causa delle elevate pressioni necessarie (1Mbar = 106 atmosfere). Pertanto la sfida più pressante nel campo della superconduttività è, ad oggi, l’identificazione di materiali che presentano SC ad alta Tc 1, ma a pressione ambiente. L’obiettivo di questo progetto è precisamente la predizione di materiali con queste caratteristiche; in particolare, in particolare il problema verrà affrontato sfruttando una combinazioni di metodi ab-initio (basati sulla teoria del funzionale densità) allo stato dell’arte e metodi di machine learning (Material Informatics). Il nostro gruppo dispone di tutti gli strumenti per affrontare questa sfida, avendo una riconosciuta esperienza nei calcoli ab-initio per la previsione di SC e strutture cristalline. Negli ultimi cinque anni abbiamo pubblicato più di 15 articoli sulla superconduttività ad alta pressione, inclusa una invited review (? ), e siamo stati invitati a più di 10 conferenze internazionali per presentare i nostri risultati, inclusi i March Meeting dell’American Physical Society del 2020-21.

 

Domande aperte

I superidruri rappresentano un’opportunità senza precedenti per comprendere i fattori chiave responsabili della superconduttività ad alta Tc. Differentemente da altri classi di superconduttori ad alta Tc, quali i cuprati e i superconduttori a base di ferro (per i quali non esiste una teoria di SC universalmente riconosciuta), i superidridi sono superconduttori convenzionali, cioè nei superidruri la superconduttività è mediata dai fononi, e pertanto sono descritti in modo abbastanza accurato dalla teoria convenzionale di Migdal-Eliashberg. Tuttavia, rispetto alla teoria convenzionale sono presenti diverse anomalie, che concernono, per esempio, l’anarmonicità, le correzioni non adiabatiche all’interazioni elettrone-fonone e l’interazione di Coulomb, che vanno comprese se si vuole raggiungere una descrizione quantitativa accurata della SC negli idruri.

 

La prima domanda a cui rispondere è:

1) Quanto è accurata l’attuale descrizione della superconduttività ad alta Tc negli idruri ad alta pressione?

I superidruri presentano sotto-reticoli di idrogeno altamente simmetrici, con legami metallici covalenti, che sono entrambi fattori cruciali per ottenere alta Tc nell’ambito della teoria convenzionale della SC. Nel corso degli ultimi cinque anni, gli idruri binari sono stati interamente esplorati da un punto di vista computazionale ed è ormai acclarato che le condizioni per avere SC ad alta Tc vengono realizzate solo a pressioni estreme (> 100GPa) e solo per pochi elementi, che si trovano in due regioni limitate della tavola periodica. Nonostante ciò, è ragionevole assumere che gli stessi fattori che permettono lo sviluppo di superconduttività ad alta Tc nei superidruri possano venir realizzati in altri sistemi, con pressioni di stabilizzazione più basse. Candidati promettenti solo gli idruri ternari e composti di elementi leggeri, in tal senso:

2) è possibile identificare idruri ternari con proprietà superconduttive “migliori” di quelli binari?

3) è possibile trovare composti diversi dagli idruri che mostrano superconduttività convenzionale ad alta Tc?

Elementi leggeri ed elettronegativi, quali il boro, il carbonio o l’azoto possono formare metalli covalenti con alte frequenze fononiche, come l’MgB2, le fulleriti drogate con metalli o terre alcaline, il grafano e il LiBC; per alcuni di di questi composti sono state predette temperature critiche fino a 120K. In linea di principio, utilizzando gli stessi metodi computazionali per la predizione di sttrutture cristalline e superconduttività che hanno permesso di predire SH3 e LaH10, sarebbe possibile esplorare computazionalmente i diagrammi di fase di tutti i composti sopra elencati, per identificare superconduttori ad alta Tc. In pratica, ciò non è possibile perchè la complessità del problema è troppo grande per un’esplorazione “a tappeto”. Dopo un’esplorazione preliminare dello spazio delle fasi, utilizzeremo metodi di machine learning per analizzare i primi esperimenti computazionali e focalizzare le analisi successive sulle composizioni più promettenti. 4) Quali sono i descrittori della superconduttività ad alta Tc?

Metodi

Il design computazionale si articola in quattro passi, che verranno ripetuti per restringere
mano a mano lo spazio di ricerca:

1. Verranno calcolati i diagrammi di fase di alcune combinazioni di elementi selezionate, utilizzando tecniche computazionali avanzate per la predizione di strutture cristalline, come algoritmi genetici e “minima hopping”. I metodi automatici per la predizione di strutture cristalline usano tecniche efficienti per campionare il profilo di energia libera di un sistema per localizzarne i minimi globali (locali) e i corrispondenti stati (meta)stabili.

2. Per i composti più promettenti individuati al punto 1 calcoleremo le proprietà superconduttive a diversi livelli di approssimazione (? ), includendo, se necessario,
correzioni anarmoniche, non-adiabatiche o Coulombiane;

3. I dati così generati verranno poi organizzati tramite appositi scripts (? ) in un database, insieme ad altre proprietà fisiche e strutturali dei composti, che potrebbero essere correlate con la Tc.

4. Una volta generato un database sufficientemente ampio, sfrutteremo librerie python standard di analisi dati e machine learning (panda, sci-kit learn) per compiere un’analisi
statistica del database stesso. Queste informazioni permetteranno di identificare
le combinazioni di elementi più promettenti, su cui focalizzare la nostra analisi.

References

  • [1] A. P. Drozdov et al., Nature 525, (2015);
  • [2] J.A.Flores-Livas, L. B., A. Sanna, G.
    Profeta, R. Arita and M. Eremets, Physics Reports 856, 1-78 (2020) and refs therein;
  • [3] L Pietronero, L. B., E. Cappelluti, L Ortenzi, Quantum Studies: Mathematics and Foundations 5, 5 (2018);
  • [4] A. Sanna, C. Pellegrini, and E. K. U. Gross, Phys. Rev. Lett. 125, 057001 (2020);
  • [5] S. Saha, S. Di Cataldo, M. Amsler, W. von der Linden, and L. B., Phys. Rev. B 102, 024519 (2020).

Collaboratori

 Lilia Boeri, Dipartimento di Fisica, Sapienza Università di Roma
 Giovanni Battista Bachele, Dipartimento di Fisica, Sapienza Università di Roma