7月3日，阿里达摩院联合中国人民大学、中国科学院大学等发布行业内首个超导材料发现AI智能体ElementsClaw（元素虾），通过自主筛选和预测模型从海量材料组合中锁定6.8万个可能的超导材料候选体，其中4种此前从未被报道的全新材料已在实验室合成并通过低温电阻测量和磁化率测试证实存在超导性。

4种全新超导体：来源各不相同

研究团队从候选材料中选出易合成的进行实物烧制和低温超导实测，4种新材料全部为铼基多元低温合金，临界温度在2.5K–6.5K之间：

1. Hf₂₁Re₂₅（临界温度2.5K）：晶体结构早已存在于材料数据库，但学界从未发现其超导属性，AI在文献和数据库交叉比对时把它捞了出来。

2. Zr₄VRe₇（临界温度3.5K）：原有数据库晶体结构参数标注错误，AI重新推演正确原子排布，实验证实修正后具备超导性。

3. HfZrRe₄（临界温度5.9K）：不在任何材料数据库、无文献记载，AI自主锁定铪-锆-铼三元体系，凭空设计出新的稳定超导结构。

4. Zr₃ScRe₈（临界温度6.5K）：AI基于前序超导晶体结构规律、同源元素替换推演得到，本次发现的最高临界温度。

专通融合架构：1B参数原子大模型+通用智能体

ElementsClaw采用了“专通融合”的架构。专有模型层面，团队基于包含1.25亿个分子和晶体结构的数据库，预训练出1B参数原子基础模型Elements，判断材料是否具有超导性的AUC达0.996，预测材料超导临界温度的平均误差在1K以内。Elements下设4个专门模块：

- Elements-T：预测超导临界温度（Tc），平均绝对误差0.99K
- Elements-C：判断材料是否超导，AUC达0.996
- Elements-E：预测材料能量和稳定性
- Elements-G：生成全新晶体结构

通用智能体框架层面，ElementsClaw实现了工具制造、流程编排、文献复核等整套自动化材料筛选流程，能在文献中挖掘到新线索后“自我进化”——当它在文献中发现新的超导数据后，能自动微调自己的模型给自己创造出新的Skill。

惊人算力效率：28 GPU小时完成240万晶体筛查

AI仅用28个GPU小时就完成240万种稳定晶体结构筛查，预测出6.8万个高置信超导候选材料。对比之下，全球权威超导数据库SuperCon历经数十年积累，仅收录约2000种已知超导材料，AI单次筛选候选量是人类百年存量的约34倍。

自然界的材料中具有超导性的比例可能只有3%左右，而ElementsClaw推荐的命中率达到了40%，比传统随机筛选高了一个数量级。

行业意义：AI for Science从预测走向实验验证

过去超导材料发现高度依赖偶然实验和理论推导，周期长达数年，而AI智能体将筛选效率提升数个数量级。这是AI驱动的超导材料发现从理论预测走向实验验证的标志性进展，标志着人工智能在材料科学领域的“自主发现”能力正从概念走向实用化。

达摩院科学智能负责人荣钰表示：“这是AI智能体发现并获验证的第一批超导材料，初步验证了AI智能体框架在材料发现领域的潜力。如果说材料发现是大航海，那么通用模型就是帆船，专有模型就是指南针和六分仪。ElementsClaw把这艘船和这些仪器组装在了一起，能实现在材料的海洋里面自动航行。”

中国人民大学高瓴人工智能学院副教授黄文炳表示，该AI智能体也有望应用于发现固态电池电解质、多相催化剂和热电材料等新材料。

数据库全面开放

达摩院已开放ElementsClaw预测的所有240万稳定晶体的数据库（访问地址：https://science.damo-academy.com/#/material），全球科研人员可免费使用，预测数据包括是否超导、临界温度、晶体结构等详细信息。相关成果论文已发布于arXiv，研究团队也将在ICML大会上分享这套AI材料发现体系。