Loading...
Cerca nel sito

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

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

Lo scopo del progetto HTSD e’ la progettazione di nuovi materiali superconduttori ad alta temperatura critica utilizzando metodi numerici a principi primi e ricerca high-throughput di materiali (material informatics).

Ci focalizzeremo su composti in cui la superconduttività è di origine convenzionale (elettrone-fonone), e in particolare su due classi di materiali:

a) Idruri Ternari: Rispetto ai super-idruri binari come SH3 e LaH10, che negli ultimi 5 anni hanno rivoluzionato il panorama della superconduttività, raggiungendo temperature critiche record di 260 K a pressioni di milioni di atmosfere, gli idruri ternari presentano una maggiore flessibilità chimica, che può essere sfruttata per ottimizzarne le proprietà superconduttive (aumentare la temperatura critica, diminuire le pressioni necessarie a stabilizzare le fasi ad alta Tc).

Utilizzando una combinazione di algoritmi genetici per la ricerca di strutture cristalline, teoria del funzionale densità per i superconduttori, tecniche di clustering e di analisi high-throughput su un database di idruri binari da noi costruito, cercheremo di individuare le combinazioni ternarie di elementi più promettenti per la superconduttività convenzionale ad alta Tc.

b) Composti contenenti boro, carbonio, azoto: A differenza dei superidruri, che richiedono ancora pressioni record per essere sintetizzati, molti composti che contengono boro, carbonio e azoto sono stabili a pressione ambiente, e alcuni realizzano lo stato di metallo covalente, che è un precursore della superconduttività convenzionale ad alta temperatura critica.

In questa parte del progetto studieremo l’effetto del doping con buche ed elettroni su diversi prototipi di strutture cristalline di boro, carbonio e azoto, per individuare le fasi più promettenti per realizzare superconduttività ad alta temperatura e pressione ambiente.

  • Lilia Boeri, Dipartimento di Fisica, Sapienza Università di Roma
  • Giovanni Battista Bachelet, Dipartimento di Fisica, Sapienza Università di Roma

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, cioèe 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 [2], che vanno comprese se si vuole raggiungere una descrizione quantitativa accurata della SC negli idruri. La prima domanda a cui rispondere è:

 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 (>100 GPa) 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. E’ possibile identificare idruri ternari con proprietà superconduttive “migliori” di quelli binari?

  1. E’ 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’Mg B2, le fulleriti drogate con metalli o terre alcaline, il grafano e il LiBC; per alcuni 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.

  1. Quali sono i descrittori della superconduttività ad alta Tc?

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 [4] includendo, se necessario, correzioni anarmoniche, non-adiabatiche o Coulombiane;

3. I dati così generati verranno poi organizzati tramite appositi scripts [3] 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.

  • [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).