国立釜庆大学研究团队开发基于物理的AI超导体分析技术：“0.1秒完成超导体分析”
物理学系 Lee Seunghun 教授团队提出基于物理学的策略 最大化学习效率
国立釜庆大学（校长 Bae Sanghun）物理学系 Lee Seunghoon 教授研究团队开发出一项基于机器学习的技术，能够在数十毫秒（ms）内快速而精确地分析超导体的特性。
Lee Seunghoon 教授与第一作者、硕士研究生 Lee Dongik 合作，将题为《Rapid analysis of point-contact Andreev reflection spectra via machine learning with physics-guided data augmentation》的论文发表在应用物理领域的世界级学术期刊（影响因子：9.7）上。
该研究以物理学理解为基础，同时提出了最大化模型学习效率的策略，在学术界也获得了高度评价。
超导体是一种电阻为零的物质，被广泛应用于无能量损耗的电力传输、高磁场医疗设备（核磁共振成像）、量子计算机核心材料等多个领域。
近期随着 LK-99 争议以及高温超导体受到关注，以拓扑超导体（topological superconductor）为基础的下一代量子计算机研究日益活跃，能够快速且准确地区分各种类型超导体的技术，其重要性正大幅提升。
Lee Seunghoon 教授团队为提高用于超导体分析的点接触光谱法（point-contact spectroscopy）的准确度并大幅缩短分析时间，引入了机器学习技术。以往光谱分析往往需要数小时到数日，而此次开发的模型则能够在 0.1 秒以内完成高精度分析。
Lee Seunghoon 教授解释称：“人工智能模型的学习过程与教婴儿认识什么是猪很相似。反复给婴儿看突出猪鼻子等关键特征的图像，并告诉他‘这就是猪’，婴儿就会自然而然地意识到这些特征是判断‘猪’的重要线索。”
Lee Seunghoon 教授研究团队大规模生成用于学习的理论光谱，并据此设计了学习模型。在物理学知识的基础上，通过额外学习经过人为扭曲、能够突出光谱核心特征的数据，最大化了模型的学习效果，并在包括分析精度在内的实际应用性能方面实现了突破性提升。
Lee Seunghoon 教授表示：“本次研究不仅仅是缩短了分析时间，更重要的是提出了一种最大化机器学习效率的物理学驱动策略，因此具有更为重要的意义。”他还表示：“预计这项技术不仅将加速新的超导体研究，还可广泛应用于材料科学、医工学、传感器等多个领域的数据分析技术。”
![“月薪150万不如去美国年入5亿” 首尔大·KAIST人才纷纷收拾行囊 [科学家正在消失]①](https://cwcontent.asiae.co.kr/asiaresize/93/2026051914165468840_1779167814.png)
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
