IA propõe candidatos a supercondutores de alta temperatura para testes futuros

Pesquisadores apresentaram um sistema de inteligência artificial para vasculhar bases de estruturas cristalinas em busca de materiais que possam ser supercondutores em temperaturas relativamente altas. O estudo, publicado hoje na Scientific Reports, lista candidatos computacionais para testes futuros — não relata a descoberta experimental de novos supercondutores.

O que a IA analisou

A equipe comparou dez modelos de aprendizado de máquina e nove redes neurais, e descreveu um conjunto de dados com 53.196 materiais. Aplicou o método a três bases de estruturas cristalinas: ICSD, COD e Materials Project. Segundo o artigo, a busca apontou 22 candidatos à base de plutônio com temperaturas críticas previstas acima de 50 K (kelvin) e mais de 40 hidretos com previsões de até 100 K.

Previsão não é confirmação

Temperatura crítica é o ponto abaixo do qual um material pode apresentar supercondutividade. Os valores mencionados são previsões do modelo, não temperaturas medidas em amostras no laboratório. Por exemplo, o trabalho estima cerca de 89 K para Pu₂Co₁₇, mas apresenta o composto como candidato a validação experimental — não como supercondutor comprovado.

O artigo não demonstra que algum dos materiais previstos foi sintetizado ou medido como supercondutor. Também não relata a observação de supercondutividade à temperatura ambiente. Para saber se as previsões se confirmam, será necessário produzir ou obter as amostras candidatas e testá-las experimentalmente, além de avaliar de forma independente o desempenho do método em materiais ainda não conhecidos.

Por que isso importa

Bases grandes podem ajudar a priorizar quais composições merecem atenção experimental, reduzindo uma busca que seria muito ampla. O valor desta pesquisa, por enquanto, é propor alvos testáveis e um método de triagem. O passo decisivo — verificar no laboratório se os candidatos realmente conduzem sem resistência elétrica nas condições previstas — continua em aberto.

Pergunta em aberto

Quantos dos candidatos previstos manterão suas propriedades quando forem sintetizados e medidos independentemente, e quais características do cristal explicam os acertos ou erros do modelo?

Fonte primária

Gashmard, H., Shakeripour, H. & Alaei, M. “Genome-inspired AI for extrapolative discovery of high-temperature superconductors”. Scientific Reports, publicado em 29/10/2026. DOI: 10.1038/s41598-026-76977-w.

Artigo completo na Scientific Reports.

Vídeo relacionado: não encontrei um vídeo original confirmado sobre este estudo específico; não incluí vídeo para não sugerir uma ligação inexistente.