AI发现超导材料：28小时筛选240万晶体结构

超导材料的发现，在过去一个世纪里更像是一场漫长的寻宝游戏。1911年昂内斯发现汞在-269°C下电阻为零，之后百余年里，科学家们靠直觉、经验和偶然发现了一种又一种超导材料——铜氧化物、硼化镁、镍酸盐……但始终没有一种系统性的预测方法。

2026年7月，阿里达摩院等团队发布的 ElementsClaw 改变了这一切。

24万 → 6.8万：AI筛选的效率革命

ElementsClaw 是一个专门为材料发现设计的 AI 智能体。它的工作方式很像人类材料学家：查阅文献、评估合成可行性、设计实验方案——但速度快了几个数量级。

基于一个包含 1.25 亿个分子和晶体结构、预训练了 10 亿参数的基础模型，ElementsClaw 在28 个 GPU 小时内完成了 240 万个晶体结构的筛选，预测出 6.8 万个超导候选材料。如果靠人工，这个工作量可能需要数百年。

从"偶然发现"到"AI预测"

传统超导研究的问题在于：可能的元素组合数量是天文数字级的。人工筛选成本极高，历史上几乎所有实用超导材料的发现都带有偶然性。AI的优势在于它能系统性地扫描整个化学空间，找出人类可能永远想不到的组合。

当然，预测只是第一步。6.8万个候选材料中真正具备实用价值的可能只有几百个，但这几百个中也许就藏着室温超导的钥匙。正如爱因斯坦的光量子假说等了20年才等到康普顿效应的确认——AI预测的超导材料，也需要实验的最终验证。但至少，我们现在知道该去哪里找了。

关联推荐

• 量子计算从猜想到NISQ — 超导量子比特的另一种应用