【阿里AI揪出超導新物】達摩院聯手人大中科院大 28個GPU小時篩240萬結構 4種新材料獲實驗證實
阿里巴巴達摩院聯合中國人民大學及中國科學院大學,推出全球首個專注超導材料發現的 AI 智能體「ElementsClaw」。據官方公佈,系統僅耗用 28 個 GPU 小時,便完成對 240 萬個晶體結構的篩選,並從中預測出約 6.8 萬個具有超導潛力的候選材料。團隊其後在候選名單中挑選部分材料進行實際合成與實驗驗證,成功確認 4 種全新超導材料存在超導特性,當中臨界溫度最高達 6.5K。相關預測資料庫已全面開放,科研人員可免費使用。
【自主研發閉環】AI由篩選到「發現」一手包辦
ElementsClaw 最大突破,在於將材料發現流程「閉環自動化」。系統採用「專通融合」架構,基於一個涵蓋 1.25 億個分子與晶體結構的資料庫進行預訓練,建構出一個參數規模達 10 億（1B）的原子基礎模型「Elements」。據公開資料顯示,該模型判斷材料是否具有超導性的 AUC（曲線下面積,用以衡量預測準確度的指標）達到 0.996,而預測材料超導臨界溫度的平均誤差控制在 1K 以內 — 準繩度遠超傳統人手篩選方式。系統整體由多個子模型組成,分別負責超導特性預測、超導性分類、熱力學穩定性評估,以及生成式晶體結構預測,形成一條由「篩選」到「生成新結構」再到「驗證」的完整鏈條。
【4種新材料】一種「漏網之魚」 一種從頭生成
今次獲實驗驗證的 4 種新超導材料,分別以不同方式「誕生」，過程頗具科研故事性。據公開資料,其中 Hf21Re25 屬於既有資料庫中一直未被留意的「漏網之魚」；Zr4VRe7 則是團隊糾正資料庫原有構型錯誤後「正名」而來；HfZrRe4 屬 AI 從零開始設計生成的全新結構；而 Zr3ScRe8 則是系統基於相似結構「舉一反三」推演所得。4 種材料的臨界溫度最高達 6.5K，雖然距離室溫超導仍有相當距離，但作為 AI 自主發現並獲實驗證實的新物質,意義在於證明了機器可以在極短時間內完成過去需要人類科學家長年摸索的篩選與驗證工作。
| 項目 | 數據 | 洞察 |
|---|---|---|
| 運算時間 | 28個GPU小時 | 效率遠超傳統人手篩選 |
| 篩選規模 | 240萬個晶體結構 | 覆蓋面廣 |
| 候選材料 | 約6.8萬個潛在超導材料 | 大幅收窄實驗範圍 |
| 驗證成果 | 4種全新超導材料，臨界溫度最高6.5K | 經實驗證實，非純理論推算 |
| 資料開放 | 240萬穩定晶體資料庫免費開放 | 加速全球科研協作 |
【民用想像】電網、磁浮、量子電腦皆受惠
超導材料的價值,在於它能在特定低溫條件下實現零電阻導電,並展現抗磁特性。這類特性一旦大規模應用,理論上可大幅減少電力傳輸損耗,亦是量子電腦運算元件與高速磁浮列車的核心技術基礎。據公開資料顯示,今次 AI 發現的材料除了超導應用外,相關技術路徑亦有望延伸至固態電池電解質、多相催化劑及熱電材料等新材料領域的研發。換言之,ElementsClaw 的意義不止於「多發現幾種材料」,而是展示了一套可被複製到其他材料科學範疇的 AI 研發方法論 — 用機器運算大幅壓縮人類過去需要以年計的實驗試錯週期。
【資料庫開放】科研門檻降低 全球可用
值得留意的是,達摩院今次並未將 240 萬個穩定晶體結構的預測資料庫「留一手」,而是選擇全面開放予全球科研人員免費使用。對材料科學界而言,這意味住往後其他研究團隊毋須重複耗費算力進行同類篩選,可直接在現有資料基礎上進行後續驗證或延伸研究。這種「開源」取態,某程度反映出當前 AI 科研競賽的其中一個新趨勢 — 相比單純追求技術突破本身，能否降低全球科研門檻、加快知識擴散速度，同樣被視為衡量一項 AI 科研成果影響力的重要指標。
超導材料研發過去長期依賴實驗室反覆試錯,往往需時數年甚至以十年計才有突破。今次 AI 智能體僅用 28 個 GPU 小時就完成大規模篩選並帶來 4 種新材料的實驗證實,顯示 AI 輔助科研的效率優勢已具體落地。至於這套方法論能否進一步複製到其他材料領域、加速更多前沿科研突破,仍需留待後續研究成果驗證。
免責聲明：本專頁刊載的所有投資分析技巧，只可作參考用途。市場瞬息萬變，讀者在作出投資決定前理應審慎，並主動掌握市場最新狀況。若不幸招致任何損失，概與本刊及相關作者無關。而本集團旗下網站或社交平台的網誌內容及觀點，僅屬筆者個人意見，與新傳媒立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。
—
