达摩院发布AI智能体ElementsClaw，筛出4种全新超导体

阿里达摩院联合中国人民大学高瓴人工智能学院、中国科学院大学等机构，正式发布首个专攻超导材料发现的AI智能体「ElementsClaw」（元素虾）。该系统仅用 28 个 GPU 小时便扫描了 240 万种稳定晶体，预测其中约 6.8 万种可能具有超导性；研究团队对其中几种较易合成的材料进行实验验证，最终确认 4 种人类此前未知的全新超导体。目前，AI 对这 240 万种材料的预测数据（含超导性、结构与临界温度）已全部对外开放，供全球科研人员共同挖掘。

百年超导探索为何呼唤AI

自 1911 年荷兰物理学家昂纳斯首次在 4K 附近发现汞的超导性以来，人类在超导材料研究中已积累 100 余年。国际主流超导体数据库 SuperCon 至今仅收录 2000 多种超导材料，转变温度能达到几十 K 的「高温超导体」更是只有几十种，且其物理机制至今未被完全理解。中国科学院大学金士锋研究员形容这一领域长期处于「炒菜式科研」状态——在元素周期表上百种元素中反复试错，成功率极低。

相比之下，生物学领域已凭借 AlphaFold 等模型实现蛋白质结构的精准预测，但晶体的「语言」远比蛋白质复杂：元素种类多、键合方式多样，单纯做一个判断模型远远不够。DeepMind 的 GNoME 曾用 AI 预测 220 万种稳定材料并登上 Nature，微软的 MatterGen 则尝试反向设计新结构，但二者都偏「单点」——只能回答「这是否是超导」，却无法兼顾文献比对、可合成性、毒性、成本等现实问题。

「通专融合」的智能体架构

ElementsClaw 的核心思路是把通用大模型与材料学专有模型组装成一套完整工作流。其关键模块包括：

• Elements：一个 10 亿参数的几何深度图神经网络，专门读懂三维晶体结构；预训练使用 1.25 亿个分子与晶体结构，在 22 个材料学基准上达到或接近 SOTA 水平。
• Elements-T：预测临界温度（Tc），平均绝对误差 MAE 仅 0.99 K，几乎逼近实验误差。
• Elements-C：判断材料是否超导，AUC 达 0.996。
• Elements-E：预测能量与稳定性。
• Elements-G：生成全新晶体结构。

在这一原子模型之上，大语言模型承担材料学家角色：读论文、查数据库、调用工具、设计实验方案，并在文献出现新数据时自动微调自身模型，实现「自我进化」。研究团队还在非大语言模型架构上首次验证了 Scaling Law——给原子模型更多参数与数据，性能可持续提升。

4 种新超导体，4 条不同路径

研究团队随后对 4 种 AI 预测材料进行实验合成，全部被证实为新超导体，临界温度分别为 2.5 K、3.5 K、5.9 K 和 6.5 K：

• Hf₂₁Re₂₅（2.5 K）：已存在于理论数据库但从未被合成验证，属「漏网之鱼」；
• Zr₄VRe₇（3.5 K）：原有数据库结构被算错，AI 预测了正确结构并验证为超导，属「沉冤得雪」；
• HfZrRe₄（5.9 K）：不在任何已知数据库中，由 AI 在 Hf-Zr-Re 三元体系中「无中生有」生成；
• Zr₃ScRe₈（6.5 K）：AI 在前一个发现基础上总结出结构模体，举一反三找到了同族新材料，临界温度最高。

自然界中具有超导性的材料比例约为 3%，而 ElementsClaw 推荐的命中率约 40%，提升超过一个数量级。

开放数据与 AI for Science 的边界

达摩院已将 240 万种稳定晶体的完整预测数据库免费开放（科学岛平台），号召全球科研人员参与「挖矿」。中国人民大学高瓴人工智能学院副教授黄文炳强调，AI for Science 并非要取代科学家，而是实现人机共生：AI 负责大海捞针和重复性工作，科学家负责提出问题、引导思考与校对结果。

虽然本次发现的 4 种新超导体临界温度距「室温超导」仍有巨大差距，但 AI 智能体在材料发现领域的可行路径已被验证。从能源、生命科学到材料，AI for Science 正在改变基础科学的研究范式——不再依赖单一完美方程推演，而是从海量数据中让规律「涌现」。