能否让超导器件像电路一样被“打印”出来？能否在材料合成之前，即可通过算法提前筛选出有潜力的超导材料并加以低成本快速制备？当液态金属与超导研究相遇，一种面向未来超导电子材料发现、制备与器件制造的非传统模式正在形成。

近年来，中国科学院理化技术研究所低温科学与技术全国重点实验室团队围绕低熔点金属衍生超导体（Low-melting-point Metal Derived Superconductors，LMDS）开展系列研究，创建了基于液态金属电子墨水直接打印超导器件的技术路线，并提出以液态金属为溶液、匹配组分物质为溶质从而高效合成超导体的基本原理和方法，发展出了机器学习驱动的超导材料筛选途径，建立了液态金属熔点高精度预测模型，初步构建了从材料设计、器件制造到智能发现超导体的研究体系。

超导现象自1911年卡末林·昂内斯在汞中首次发现以来，已成为能源、医疗和量子科技领域的重要材料基础。然而，传统超导材料制备通常依赖高温、高压和高真空沉积等复杂工艺，材料加工与器件集成始终面临较大挑战。受“第一个超导体来自室温液态金属汞”这一历史现象的启示，理化所团队意识到低熔点金属在构筑超导材料中的独特价值，陆续提出了利用液态金属流动性、反应活性和界面调控能力制备超导材料以及直接打印终端超导器件的基本技术途径。

近日，团队系统提出了低熔点金属衍生超导体（LMDS）的概念，建立了液态金属参与超导材料构筑的技术范式。研究表明，镓、铟、铋及其合金等低熔点金属可作为反应介质、掺杂平台和界面调控载体，促进超导结构形成，同时也可通过合金化、非晶化和纳米限域等方式获得超导衍生相。

图1展示了LMDS所代表的“室温液态制造、低温超导运行”双相模式。在室温条件下，液态金属电子墨水赋予材料良好的加工和结构调控能力；冷却后形成的合金、非晶结构、纳米结构或界面结构承载超导功能。图2给出了基于低熔点金属形成超导材料的4类典型制备原理，即通过辅助反应、元素调控、界面构筑和自身超导化等方式，由此可实现从块体材料、薄膜、二维结构到微纳器件的多尺度超导体构筑。此项工作为低熔点金属衍生超导体的发展提供了统一性理论框架，也为未来超导器件制造及智能材料设计提供了清晰的技术路径。成果以Low-Melting-Point Metal Routes towards Making Superconductors为题发表于Applied Physics Reviews期刊，该论文第一作者为博士研究生花晨，通讯作者为刘静研究员。

图1 液态金属衍生超导体“室温制造—低温超导运行”的双相范式

图 2 基于低熔点金属制备超导材料的4条典型路线

在材料基础上，团队先后提出并探索了利用液态金属直接印制超导电子器件的方法。团队基于液态金属良好的流动性和加工特性，将铜微粒引入EGaInSn液态金属体系，制备出具有印刷性能和低温超导性能的Cu-EGaInSn复合墨水，展示了在柔性基底上直接打印超导线路的实用性。

如图3所示，液态金属复合墨水能够通过掩膜直印方式快速形成微结构线路。铜微粒与液态金属发生反应形成CuGa₂相，提高了线路与PDMS基底之间的结合能力，使打印结构在柔性变形过程中保持稳定。器件测试表明（图4），当温度降低至约6.4 K时，打印线路出现明显超导转变，电输运和磁学测试结果共同验证了其超导性质。

该工作证明，液态金属不仅能够作为超导材料组成部分，还可成为超导器件制造平台，为柔性超导互连、低温电子及量子器件集成提供了变革性制造方案。成果以Liquid Metal Printed Superconducting Circuits为题发表于Physica Scripta期刊，该论文第一作者为博士研究生鲍文迪，通讯作者为刘静研究员和饶伟研究员。

图3 Cu-EGaInSn液态金属复合墨水打印超导线路过程及器件结构

图4 打印液态金属线路的超导转变表征

液态金属合金体系具有数量众多的超导组分空间，仅依靠实验逐一筛选效率有限。如何在材料制备之前快速确定出具有潜力的超导候选体系，成为实现材料高效发现的关键。团队建立了基于机器学习的超导转变温度预测方法，基于SuperCon数据库，对超过3万条超导数据进行筛选和整理，获得了20995条可靠样本，并利用树集成算法建立起化学组成与超导转变温度之间的映射关系。

如图5所示，研究通过数据库数据处理、特征提取、模型训练和性能验证，实现了由材料组成到超导转变温度的快速预测。优化后的ExtraTrees模型获得较高预测精度，决定系数R²达到0.9519，均方根误差RMSE为6.2624 K。基于模型预测结果，团队进一步筛选出In_0.5Sn_0.5等具有潜力的液态金属超导候选体系，并构建了全元素周期表的二元和三元合金体系的超导转变温度预测图谱（图6）。

此项研究推动了超导材料探索由传统经验试错模式向数据驱动设计模式转变，为液态金属超导材料快速筛选提供了新的理论与技术路径。成果以Tree Model Machine Learning to Identify Liquid Metal-based Alloy Superconductor为题发表于Journal of Materials Science期刊，该论文第一作者为博士研究生花晨，通讯作者为刘静研究员。

图5 基于机器学习的液态金属超导材料预测流程

图6 二元和三元合金超导转变温度预测图谱

对于液态金属超导体系而言，除了超导性能外，还需要明确材料能否在目标温区保持液态并完成加工。此方面，熔点预测是连接材料设计与器件制造的重要环节。团队针对Ga-In液态金属体系，构建了主动学习驱动的神经网络势模型，实现了液态金属熔点的高精度分子动力学预测。

如图7所示，研究通过晶体结构采样、密度泛函理论计算、主动学习扩充数据以及模型优化，构建了包含1920个DFT构型和超过5×10⁵个局域原子环境的数据集，为液态金属复杂结构模拟提供了可靠基础。进一步结合两相共存模拟和局域Lindemann判据（图8），研究实现了Ga和共晶Ga-In合金（EGaIn）熔点的精准预测，计算误差均在2 K以内。

高精度熔点预测为液态金属材料的智能筛选提供了重要工具，使研究人员能够在材料合成之前即可评估其液态稳定性和加工条件，为探索熔点更低、性能更优的新型液态金属材料提供了可靠路径。成果以为Machine Learning Potential for Ga–In Alloy Melting题发表于Materials Genome Engineering Advances期刊，该论文第一作者为博士研究生花晨，通讯作者为研究员刘静。

图7 主动学习驱动的机器学习势构建流程

图8 Ga-In液态金属固液相变模拟结果

以上系列工作围绕液态金属超导材料形成了从理论构建、器件制造到智能设计的完整体系。低熔点金属衍生超导体范式回答了液态金属如何参与超导材料构筑的问题，打印技术拓展了超导器件制造方式，机器学习模型提升了候选材料发现效率，而熔点预测进一步明确了材料工作范围和条件。

未来，随着液态金属材料数据库、人工智能算法和先进制造技术不断发展，液态金属超导研究有望推动超导材料从经验探索走向可设计、可制造、可集成的非传统型材料平台，为柔性低温电子、超导互连和量子器件封装提供新一代技术方案。

文章链接：

1. https://doi.org/10.1063/5.0332228

2. https://iopscience.iop.org/article/10.1088/1402-4896/adbd92

3. https://link.springer.com/article/10.1007/s10853-025-11121-z

4. https://doi.org/10.1002/mgea.70091