Alibaba DAMO Academy, в сътрудничество с Gaoling School of Artificial Intelligence на китайския университет Renmin и Университета на Китайската академия на науките, пусна ElementsClaw, първият AI агент, посветен на откриването на свръхпроводящи материали, съобщи QbitAI. Системата скринира 2,4 милиона известни стабилни кристални структури само за 28 GPU часа, като идентифицира 68 000 потенциални свръхпроводника и експериментално валидира 4 изцяло нови, неизвестни досега на науката.
Откриването на свръхпроводниците отдавна се описва от изследователите като готвене без рецепта. Откакто първият свръхпроводник е открит през 1911 г., хората са идентифицирали само около 2000 свръхпроводящи материала за повече от век, като по-малко от 100 са постигнали високотемпературна свръхпроводимост над 40K. Големите пробиви от базирани на мед през базирани на желязо свръхпроводници на основата на никел бяха до голяма степен случайни открития. Международната база данни за свръхпроводници SuperCon в момента съдържа малко над 2000 записа.
Професор Джин Шифенг от Университета на Китайската академия на науките, който се присъедини към изследователския екип, описа традиционните изследвания на свръхпроводниците като експериментално готвене – постоянно коригиране на съотношенията на елементите с процент на успех, много по-нисък от действителното готвене. Основното предизвикателство е, че физическият механизъм зад високотемпературната свръхпроводимост над 40K остава неразбран напълно, което принуждава изследователите да разчитат на опити и грешки.
ElementsClaw надхвърля предишните AI подходи за откриване на материали. Докато GNoME на DeepMind прогнозира 2,2 милиона теоретично стабилни материала, а MatterGen на Microsoft използва генеративен AI за проектиране на нови структури, ElementsClaw функционира като AI агент от край до край. Той не само предсказва свръхпроводимостта, но също така проверява съществуващата литература, оценява осъществимостта на синтеза, оценява токсичността и оценява производствените разходи – разглеждайки пълния изследователски работен процес, който обикновено отнема на изследователите дни или дори години.
Екипът избра лесно синтезируеми кандидати от 68 000 прогнози за експериментално валидиране и бяха потвърдени четири изцяло нови свръхпроводника. Всички прогнозни данни – индикатори за свръхпроводимост, кристални структури и изчислени критични температури за пълните 2,4 милиона материала – са публично достъпни на science.damo-academy.com за изследване на световната изследователска общност. Както отбеляза един изследовател, за разлика от биологията, където AlphaFold революционизира предсказанието на протеиновата структура, предизвикателството в науката за материалите е много по-голямо, като се имат предвид стотиците включени елементи и сложни типове свързване.