阿里巴巴AI智能体发现4种新型超导材料，媲美国际科研进展

阿里巴巴集团控股有限公司旗下的达摩院利用人工智能智能体预测了68,000种潜在超导材料，并通过实验证实了其中四种新型材料，这标志着材料科学领域规模最大的AI驱动发现之一。

阿里巴巴达摩院联合中国人民大学和中国科学院大学打造的AI智能体，预测了68,000种可能的超导材料，并成功交付了四种经实验证实的化合物，该联合研究团队于7月3日宣布。这套名为ElementsClaw的系统将大型语言模型与专业物理模拟工具相结合，能够自主设计、筛选和验证候选材料——这一端到端的流程足以媲美全球SuperC联合体的研究方法，后者曾在6月利用机器学习方法证实了两种新型超导体。

"ElementsClaw是首个专为超导体发现而打造的工业级AI智能体，"研究团队在一份声明中表示。该系统将自然语言处理与密度泛函理论计算相结合，能够推理材料化学性质并预测电子特性，而无需研究人员手动配置每次模拟。

这四种被证实的化合物是在实验室中合成的，并通过磁化测量和电输运等多种测量手段进行了测试，以验证其体超导性。该联合研究团队将包含68,000种预测结果（包括计算的电子结构和合成参数）的完整数据集进行了开源，以加速后续研究。相比之下，由阿尔托大学Paivi Torma领导、包括莱斯大学和普林斯顿大学研究人员在内的SuperC联合体，于6月17日发表在《Physical Review Research》上的一项研究中，采用机器学习预筛选、密度泛函理论计算和实验合成的三阶段流程，证实了YRu3B2和LuRu3B2两种笼目晶格超导体。

ElementsClaw与其他AI发现系统的不同之处

ElementsClaw的架构与此前的方案有所不同，它嵌入了一个大型语言模型作为推理核心，而非使用独立的分类器。该智能体能够自行解读研究论文、提取合成配方并提出晶体结构修改方案。随后，它会运行物理模拟来估算临界温度和电子稳定性，根据预测的可行性对候选材料进行排序，然后将排名靠前的结果发送至实体实验室。

相比之下，SuperC联合体的方法使用在已知超导特性上训练过的机器学习模型对候选材料族进行预筛选，随后针对最有希望的候选材料进行定向密度泛函理论计算。该方法从笼目晶格家族中识别出YRu3B2和LuRu3B2，其临界温度分别为0.81K和0.95K——虽远低于室温，但足以验证这一流程的有效性。Torma曾表示，该方法最终能够筛选数十亿种候选材料。

室温超导的意义何在

在2022年和2023年有关室温超导的重大研究被撤稿之后，寻找能够在常温下实现零电阻输电的实用超导体工作变得更加紧迫。一种能够在无需低温冷却、于300K温度下工作的材料，将以前所未有的幅度降低电网、数据中心和计算硬件的全球能耗。超导体已经应用于MRI机器、量子计算机和聚变反应堆磁体，但每项应用都需要昂贵的液氦冷却，这限制了大规模部署。

阿里巴巴将ElementsClaw数据集开源，使学术界和工业界的研究人员能够访问数千种候选结构，而这些结构原本需要数月时间计算才能生成。该公司并未透露此次预测运行的计算成本以及四种被证实化合物的具体化学成分。

阿里巴巴在纽约的股价于7月2日收于92.34美元，年初至今累计上涨18%。该公司通过其达摩院在AI研究领域投入了大量资金，该研究院同时也在开发大型语言模型和计算机视觉系统。此次超导材料的发现将阿里巴巴的AI能力拓展至其核心电商和云计算业务之外，有可能通过科学计算服务或材料授权开辟一条新的研究基础设施变现途径。

本文仅供信息参考，不构成投资建议。