百年超導競賽迎來AI破局： 28 小時精準篩選，鎖定四種全新材料

百年超導競賽迎來AI破局：28小時精準篩選，鎖定四種全新材料

在物理學界，超導體的探索被譽為摘取「物理學聖盃」的百年征程。自1911年荷蘭物理學家昂內斯首次發現汞在低溫下電阻消失以來，科學家們始終夢想找到能在常溫常壓下運作的超導材料，以徹底改變能源傳輸、磁浮交通、量子計算等領域。然而，傳統研究方式如同一場漫無止境的「炒菜式」試錯——研究人員不斷調配不同元素的配比，卻往往只能仰賴偶然的運氣。這條路不僅成功率極低，更耗費大量人力與時間，使得超導材料的發現進展緩慢。 如今，這項古老而艱深的科研領域迎來了一位強力的「AI隊友」。由科研團隊共同打造、專攻超導材料發現的AI智能體「ElementsClaw」（元素蝦），在短短28個GPU小時內，便完成了對240萬種穩定晶體的全覆蓋掃描，並從中篩選出6.8萬種潛在超導體。這樣的效率，遠遠超越人類過去百年摸索的速度，為超導研究開啟了前所未有的突破口。 傳統上，超導材料的發現依賴大量實驗與直覺判斷。科學家需要先從已知的晶體結構中猜測可能的組合，再透過繁複的合成與測量來驗證。這種模式不僅耗時，且容易遺漏那些理論上可行但未被嘗試的候選物質。為了解決這個困境，研究團隊採用「通專融合」的架構，賦予ElementsClaw獨特的科研能力。該系統內建一個擁有10億參數的幾何深度圖神經網絡，能夠精準解讀並建模三維晶體結構；同時，它還結合了大語言模型，使AI能夠自主閱讀學術文獻、查閱公開數據庫，並根據這些資訊輔助決策。 換句話說，ElementsClaw不是只會盲目篩選的計算工具，而是一個具備推理與學習能力的智能體。在掃描240萬種晶體的過程中，它不僅評估每種結構的電子性質與穩定性，還會考慮哪些材料可能具備超導所需的特殊電子配對機制。研究團隊表示，這套AI系統不僅是「大海撈針」的利器，更擁有自我進化的能力——每次運算與實驗反饋都能讓模型變得更精準，逐步縮小候選範圍。 在實驗驗證階段，科研人員根據ElementsClaw的預測結果，成功合成出四種此前人類未曾發現的全新超導體。令人驚嘆的是，每一種材料的發現都展現了AI不同的邏輯路徑。例如，其中一種材料是基於一種極不常見的晶體對稱性被選中，而另一種則是透過分析文獻中未被注意到的電子結構異常而脫穎而出。這說明AI不僅能複製人類已知的規律，還能跳出既定框架，提出全新的思路。 這項成果的意義不僅在於新增四種超導材料，更在於證明了AI驅動的科研模式能夠大幅加速新物質的發現週期。過去，從理論預測到實驗合成一種新超導體，往往需要數年時間，甚至數十年。而現在，AI結合自動化篩選，可以將這個過程壓縮到幾天之內。研究團隊指出，ElementsClaw的計算成本極低——28個GPU小時的運算，在現代雲端運算平台上的花費可能不到幾千美元，這使得中小型實驗室也能負擔得起大規模的預測篩選。 當然，AI的預測仍需後續實驗驗證。目前合成的四種超導體中，有些的臨界溫度並不高，但由於它們是全新的化學組成與結構，未來可能透過摻雜或壓力調控來提升性能。更重要的是，這套方法論可以遷移到其他材料探索領域，例如熱電材料、磁性材料或催化劑。物理學界的百年夢想，或許正因AI的加入而迎來真正的轉折點。 從「炒菜式」的盲目嘗試，到如今28小時內鎖定6.8萬種潛在目標，人類在超導領域的探索終於從慢速的手工時代，跨入了高速的智慧時代。ElementsClaw的誕生不僅是技術的勝利，更代表一種科研哲學的轉變：當機器的運算能力與人類的創造力深度結合，那些曾被視為遙不可及的科學聖盃，或許比想像中更近。未來，隨著更多AI智能體投入基礎科學研究，我們有理由期待下一場顛覆性的材料革命即將到來。