AI仅用28个GPU发现4种全新超导体，效率超越人类百年来发现

背景

人类已经卷了一百多年的“物理学圣杯”竞赛，超导材料发现效率远低于生物学领域。1911年，昂纳斯用液氦将水银冷却至4K，使其电阻消失，实现“完全抗磁性”，开启了超导时代。超导材料可显著降低输电损耗、支持磁悬浮列车，并成为磁约束核聚变装置托卡马克环的关键组件，若实现常温超导甚至能直接解决能源问题。但目前主流数据库SuperCon仅收录2000多种超导材料，少数能达到几十K的超导体尚属稀缺。2023年韩国团队声称的“室温超导体”LK-99最终被证明为乌龙，引发全球实验室与民科“炼丹炉”热潮。中国科学院大学金士锋研究员指出，超导体探索高度依赖偶然发现，属于“炒菜式科研”——元素周期表上100多种元素缺乏完整“菜谱”，物理学家只能反复试错调整组成比例，几十个实验才可能有一个成功。

核心内容

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，开发了首个专攻超导材料发现的AI智能体“ElementsClaw”（元素虾）。该智能体仅用28个GPU小时，就对已知的240万种稳定晶体进行海选，预测其中6.8万种可能具有超导性。对比人类100多年发现2000多个超导材料的效率，AI效率堪称“光速交卷”。

研究团队针对几类合成难度适中的材料进行实验验证，结果发现4种是人类此前完全未知的全新超导体：

• Hf₂₁Re₂₅（临界温度2.5 K）——此前潜藏在数据库中未被合成测试。
• Zr₄VRe₇（临界温度3.5 K）——数据库结构计算错误。
• HfZrRe₄（临界温度5.9 K）——从未出现在任何数据库中。
• Zr₃ScRe₈（临界温度6.5 K）——AI总结“结构模体”后发现，临界温度最高。

目前，ElementsClaw已将对这240万种材料的预测数据（是否超导、晶体结构、临界温度等）全部开放，网址为 https://science.damo-academy.org/#/material，欢迎全球研究人员共同挖掘。

ElementsClaw的核心架构是“通专融合”：

• Elements 大原子模型：10亿参数的几何深度图神经网络（预训练1.25亿分子和晶体结构），首次在非大语言模型架构上验证Scaling Law。微调后在22个材料学基准测试上达或接近SOTA水平。
  • Elements-T：预测超导临界温度（Tc），平均绝对误差仅0.99K，几乎逼近实验误差。
  • Elements-C：判断材料是否超导，AUC达0.996。
  • Elements-E：预测材料能量和稳定性。
  • Elements-G：生成全新晶体结构。
• 大语言模型：负责读论文、查数据库、分析合成性、设计实验方案，并实现“自我进化”（发现新超导数据后自动微调模型）和决策（决定下一步查询与实验设计）。

荣钰（达摩院科学智能负责人）将此比作“大航海”：通用模型是帆船，专有模型是指南针和六分仪，ElementsClaw将船与仪器组合，实现了材料海洋中的自动航行。

ElementsClaw发现的4种新超导体临界温度均较低（最高6.5K），距室温超导仍远，但AI推荐命中率达40%（自然界超导材料比例约3%），提升一个数量级。达摩院强调，AI for Science并非取代科学家，而是实现人机共生：AI负责大海捞针与重复工作，科学家则引导思考、校对结果并形成新知识体系。

关键要点

• ElementsClaw以28 GPU小时对240万稳定晶体进行筛选，预测6.8万种潜在超导体，效率远超人类100多年发现2000多个超导材料的进度。
• 通过Elements大原子模型（10亿参数几何深度图神经网络）与大语言模型“通专融合”，ElementsClaw实现预测（Elements-T/C/E/G）、合成性分析、文献阅读、实验方案设计及“自我进化”。
• 实验验证发现4种全新超导体：Hf₂₁Re₂₅（2.5 K）、Zr₄VRe₇（3.5 K）、HfZrRe₄（5.9 K）、Zr₃ScRe₈（6.5 K），部分为数据库“漏网之鱼”、结构错误或从未出现过的材料。
• 预测数据库已全部开放（https://science.damo-academy.org/#/material），AI推荐命中率40%，远高于自然界3%的比例，助力全球科研人员挖掘新材料。
• AI for Science强调人机共生，ElementsClaw通过“涌现论”而非“还原论”处理复杂材料系统，AI负责重复性工作，科学家主导科学发现过程。
• 此次突破虽未达室温超导，但验证了AI智能体在材料发现中的实用性，为AI-driven Science提供新路径。

意义与影响

ElementsClaw打破了人类在超导材料发现上的效率天花板，证明AI智能体可将大海捞针从“光速”提升至“光速交卷”，显著降低重复性劳动与文献查重成本。开放的240万晶体预测数据库将极大加速全球超导材料发现，助力发现更高临界温度的材料，推动磁悬浮、核聚变和节能输电等应用落地。金士锋等专家强调，此类AI探索虽非取代科学家主体性，但将解放科学家从繁琐调研中，引导AI思考并形成新科学知识体系。

相比DeepMind GNoME（预测220万理论材料，Nature发表）和微软MatterGen（生成式AI设计结构），ElementsClaw首次实现“预测+合成性+决策”全链条，解决了现实科研中“确定文献报道”与“实际合成调控”的难题。未来，AI for Science将在材料、能源、制药等领域广泛应用：达摩院此前已用AI盘点中国新能源基础设施并提出跨省绿电协同方案，利用Lingshu Cell模拟药物对细胞的影响，减少《我不是药神》式悲剧。中国科学院大学金士锋等物理学家表示，AI时代物理学形态将改变，传统“还原论”遇“维度灾难”，AI通过数据驱动的“涌现论”从系统行为中学习规律，将成为物理学新队友。