阿里达摩院发布AI智能体ElementsClaw，发现4种全新超导材料

背景

国际主流超导数据库 SuperCon 历经数十年积累，仅收录约 2000 种材料。材料发现长期依赖人工经验和实验室合成，效率低下且成功率不高。阿里达摩院作为全球领先的科技机构，依托 AI for Science 技术优势，联合中国人民大学、中国科学院大学等机构，研发首个超导材料发现 AI 智能体 Elements Claw，旨在通过智能体技术突破传统局限，实现材料发现的自动化与智能化。

核心内容

阿里达摩院于 2026 年 7 月 3 日通过公众号正式宣布，联合中国人民大学、中国科学院大学等机构发布首个超导材料发现 AI 智能体 Elements Claw。该智能体预测出 6.8 万个可能的超导材料，其中 4 种全新材料已合成并通过实验验证存在超导性，相关数据已全部开放。

Elements Claw 采用“专通融合”架构，专有模型层面基于包含 1.25 亿个分子和晶体结构的数据库，预训练出 1B 参数原子基础模型 Elements。该模型判断材料是否具有超导性的 AUC 达 0.996，预测材料超导临界温度的平均误差在 1K 以内。通用智能体框架层面，Elements Claw 实现了工具制造、流程编排、文献复核等整套自动化材料筛选流程，并能在文献中挖掘到新线索后“自我进化”。

AI 仅用 28 个 GPU 小时完成 240 万晶体结构筛选，预测出 6.8 万个超导候选材料。研究团队已实验合成并验证其中 4 种材料：

• 从现有数据库中捞出的“漏网之鱼”Hf${21}$Re${25}$；
• 纠正数据库构型错误后“正名”的 Zr${4}$VRe${7}$；
• AI 从头设计生成的 HfZrRe$_{4}$；
• 基于类似结构举一反三得到的 Zr${3}$ScRe${8}$。

其中临界温度最高达 6.5K。

Elements Claw 不仅能预测材料是否具有超导性，更能像人类材料学家一样查阅文献、评估合成可行性、设计实验方案，大幅提升材料发现效率和成功率。

达摩院科学智能负责人荣钰表示，这是 AI 智能体发现并获验证的第一批超导材料，初步验证了 AI 智能体框架在材料发现领域的潜力。后续，大量候选材料仍待探索。达摩院开放了 Elements Claw 预测的所有 240 万稳定晶体的数据库，科研人员可免费使用。

中国人民大学高瓴人工智能学院副教授黄文炳表示，该 AI 智能体也有望应用于发现固态电池电解质、多相催化剂和热电材料等新材料。

论文链接：Agentic Fusion of Large Atomic and Language Models to Accelerate Superconductor Discovery

超导数据库链接：DAMO AI for Science Portal

关键要点

• 首个超导材料发现 AI 智能体 Elements Claw 由阿里达摩院联合中国人民大学、中国科学院大学等机构研发并发布；
• 智能体预测 6.8 万个超导候选材料，4 种已合成并实验验证存在超导性；
• 采用“专通融合”架构：1B 参数原子基础模型 Elements（AUC 0.996、临界温度误差 <1K）+ 自动化工具制造、流程编排、文献复核与自我进化；
• 仅用 28 个 GPU 小时完成 240 万晶体结构筛选；
• 已验证材料包括 Hf${21}$Re${25}$、Zr${4}$VRe${7}$、HfZrRe${4}$、Zr${3}$ScRe$_{8}$（最高临界温度 6.5K）；
• 所有 240 万稳定晶体数据库已开放，科研人员可免费使用；
• AI 智能体框架已证明在超导材料发现中的潜力，可扩展至固态电池电解质、多相催化剂、热电材料等领域；
• 核心论文《Agentic Fusion of Large Atomic and Language Models to Accelerate Superconductor Discovery》已发布。

意义与影响

Elements Claw 标志着 AI 智能体在材料科学领域的首次成功应用，证明 AI 不仅能加速材料发现流程，更能替代部分人类材料学家的文献查阅、实验设计与方案评估能力。这为超导材料研究提供了全新的自动化路径，有望显著提升发现效率和成功率。相关数据库的开放为全球科研人员提供了海量数据支撑，推动材料科学研究的普及与应用潜力。该成果也为固态电池电解质、多相催化剂和热电材料等其他新兴材料领域的发现提供了借鉴，助力未来高科技材料的快速迭代与突破。