2026年7月3日，阿里达摩院联合中国人民大学、中国科学院大学正式发布全球首款超导材料自主发现AI智能体ElementsClaw，打通文献研读→结构筛选→性质预测→实验方案设计→实物合成→性能验证全科研闭环，仅耗费28个GPU算力小时，完成240万种稳定晶体结构全域筛查，锁定6.8万份高潜力超导候选材料，并落地实验合成4种此前从未被学界收录的全新超导材料。直接将传统超导新材料数年试错研发周期压缩至数天，标志AI for Science从辅助数据分析进阶为具备完整科学发现能力的智能科研主体。
文章导航
一、传统超导研发核心行业痛点
- 机理存在盲区：常规超导可依托BCS理论解释，但高温超导底层物理机制至今未完全破解，无法依靠理论公式定向设计新材料，长期依赖科研人员盲目试错；
- 筛选效率极低：国际权威超导数据库SuperCon历经数十年人工文献整理与实验积累，仅收录约2000种有效超导材料；单种新材料从结构假设、稳定性验算、配比调试到烧结验证，常规研发周期普遍2~5年，试错耗材与人力成本极高；
- 信息高度碎片化：文献、晶体数据库、实验参数分散在多类平台，科研人员需跨系统手动检索核对，极易遗漏潜在有效材料结构。
二、ElementsClaw双模型融合核心架构
整套智能体采用10亿参数原子大模型Elements+通用LLM语言大模型协同驱动的分层智能体架构：
- 底层原子大模型：基于1.25亿条分子、晶体样本训练，精准判定晶体结构稳定性、超导可能性，对超导临界温度Tc预测平均误差仅0.992K，超导判别准确率AUC达0.996；
- 顶层调度智能体：自主检索海量学术文献、提炼过往实验规律、拆解多步骤科研任务、自动生成烧结配比、升温曲线、原料组分等可直接落地的湿法实验方案；
- 自主进化机制：可从文献与实验结果中自学新增工具与推理逻辑，无需研发人员手动迭代模型功能，任务执行偏差后自动修正筛选策略。
三、算力效率与候选材料筛选规模
仅使用28个GPU小时（单日算力即可完成），遍历240万种稳定晶体结构，批量筛选出6.8万个具备高置信度超导属性的候选晶体，候选样本体量是全球数十年超导数据库存量的30余倍，一次性极大拓宽超导材料探索边界。
四、4种全新超导材料全部完成实验验证
团队从海量候选中选取4类差异化结构开展实验室合成与低温超导测试，全部验证零电阻超导特性，四种材料来源与参数明细如下：
| 材料化学式 | 研发来源 | 实测临界超导温度Tc |
|---|---|---|
| $\boldsymbol{Hf_{21}Re_{25}}$ | 数据库存量晶体遗漏挖掘 | 2.5K |
| $\boldsymbol{Zr_{4}VRe_{7}}$ | 修正公开数据库原有结构构型错误 | 3.5K |
| $\boldsymbol{HfZrRe_{4}}$ | AI从零原创设计全新晶体结构 | 5.9K |
| $\boldsymbol{Zr_{3}ScRe_{8}}$ | 基于同类超导结构推演生成 | 6.5K |
五、核心能力：全链路替代重复性科研工作
- 文献自动精读归纳：批量梳理超导领域上万篇论文，提炼元素组合规律、制备工艺、失败案例，规避无效实验方向；
- 晶体结构智能生成与排查：既挖掘现有数据库里被忽略的有效结构，也从零生成全新元素配比晶体；
- 实验方案一键输出：明确原料纯度、称量比例、烧结温度、保温时长、退火流程，实验室可直接依照方案开展合成；
- 实验数据自动复盘归因：针对合成失败样本定位结构缺陷、工艺问题，迭代优化下一轮筛选与制备方案。
六、开源开放与行业赋能
达摩院本次将240万晶体结构全套预测数据集、智能体基础框架全网免费开源，全球高校、材料实验室、科研机构可无授权限制下载使用，降低全球新材料研发算力与数据门槛。
七、技术落地产业价值
- 能源输电：超导材料零电阻特性可大幅降低远距离电网输电损耗，助力新型电力系统建设；
- 前沿科技场景：适配量子计算机核心元器件、可控核聚变装置、医用核磁设备、高能粒子加速器核心部件；
- 范式升级：打破材料科学“试错式研发”传统模式，建立AI智能体前置筛选+小批量实验验证的标准化研发流水线，后续可拓展至锂电正极、催化、半导体晶圆材料等更多新材料赛道。
八、行业标志性意义
本次成果是国内AI科研智能体首次在超导硬核基础科学领域，完整走完AI预测—人工合成—实验核验全闭环，标志国内AI for Science技术从文案辅助、数据统计，正式进入原创科学发现阶段；依靠智能体规模化算力检索，把基础材料研发的时间与人力成本压缩两个数量级，为我国前沿新材料自主研发提供国产化AI工具底座。
