阿里巴巴AI代理發現4種新型超導體，與全球研究成果並駕齊驅

阿里巴巴集團控股有限公司旗下的達摩院利用人工智慧代理預測出68,000種潛在超導材料，並透過實驗確認其中四種為新型超導體，這標誌著材料科學領域規模最大的AI驅動發現之一。

由阿里巴巴達摩院與中國人民大學及中國科學院大學共同打造的一款AI代理，預測了68,000種可能的超導材料，並成功交付四種經實驗驗證的化合物，該團隊於7月3日公布這項成果。這套名為 ElementsClaw 的系統，結合大型語言模型與專業物理模擬工具，能自主設計、篩選與驗證候選材料——這套端到端的流程，足以媲美全球 SuperC 聯盟的研究方法，該聯盟曾在6月利用機器學習方法確認了兩種新型超導體。

「ElementsClaw 是首款專為超導體發現而打造的工業級AI代理，」研究團隊在一份聲明中指出。該系統整合了自然語言處理與密度泛函理論計算，使其能夠理解材料化學特性並預測電子性質，無需研究人員手動配置每次模擬。

這四種經確認的化合物已於實驗室中合成，並透過多種量測方式（包括磁化率與電傳輸測量）進行測試，以驗證其塊材超導性。該團隊將總計68,000筆預測的完整數據集（包括計算出的電子結構與合成參數）開源，以加速後續研究。作為對比，由阿爾托大學的Paivi Torma主導、並包含萊斯大學與普林斯頓大學研究人員在內的 SuperC 聯盟，於6月17日發表在《物理評論研究》期刊的研究中，透過機器學習預篩選、密度泛函理論計算與實驗合成的三階段流程，確認了兩種 kagome 晶格超導體——YRu₃B₂ 與 LuRu₃B₂。

ElementsClaw 與其他AI發現系統的差異

ElementsClaw 的架構有別於早期方法，其核心在於嵌入大型語言模型作為推理中樞，而非使用獨立的分類器。該代理能解讀研究論文、提取合成配方，並自主提出晶體結構的修改方案。隨後它會執行物理模擬，以估算臨界溫度與電子穩定性，根據預測的可行性對候選材料進行排序，再將最優結果送至實體實驗室。

相比之下，SuperC 聯盟的方法是利用機器學習模型，根據已知超導體特性預先篩選候選材料家族，再對最有前景的候選者進行針對性的密度泛函理論計算。該方法從 kagome 晶格家族中識別出 YRu₃B₂ 與 LuRu₃B₂，其臨界溫度分別為0.81 K 與 0.95 K——雖然遠低於室溫，但足以驗證該流程的可行性。Torma 表示，該方法最終可篩選數十億種候選材料。

室溫超導的意義何在

在2022年與2023年有關室溫超導的驚人主張相繼被撤稿後，尋找實用型超導體——即在常溫下能無電阻傳導電流的材料——的競爭變得更加激烈。一種能在300 K（約攝氏27度）下運作、無需低溫冷卻的材料，可大幅降低電網、數據中心與運算硬體的全球能源消耗。超導體目前已應用於MRI機器、量子電腦與核融合反應爐磁鐵，但每項應用都需要昂貴的液態氦冷卻，限制了其大規模部署。

阿里巴巴將 ElementsClaw 數據集開源，使學術與產業研究人員得以獲取數千種候選結構，這些結構若以傳統方式生成，需要耗費數月的運算時間。該公司並未透露此次預測運算的具體成本，也未公布四種經確認化合物的詳細化學成分。

阿里巴巴股價於7月2日在紐約市場收報92.34美元，年初至今累計上漲18%。該公司透過達摩院大力投資AI研究，該研究院同時也開發大型語言模型與電腦視覺系統。此次超導材料的發現，將阿里巴巴的AI能力延伸至其核心電商與雲端業務之外，可能為其研究基礎設施開闢新的變現途徑，例如透過科學運算服務或材料授權。

本文僅供資訊參考，不構成投資建議。