7 月 3 日，阿里达摩院联合中国人民大学、中国科学院大学正式发布 AI 智能体 ElementsClaw（中文名“元素虾”）。该系统仅耗时 28 个 GPU 时，便从 240 万种已知稳定晶体中筛选出 6.8 万种候选超导材料。经实验验证，团队成功发现 4 种人类此前未知的全新超导体。
AI 技术的深度应用正加速材料科学的范式变革。自 1911 年超导现象被发现以来，百余年间人类仅找到约 2000 种超导体，传统晶体合成的自然命中率约为 3%。而 ElementsClaw 在处理 240 万种晶体后，推荐命中率高达 40%，实现了数量级的效率跃迁。
“通专融合”架构验证材料学 Scaling Law
ElementsClaw 采用创新的“通专融合”核心架构。其专用侧为拥有 10 亿参数的 Elements 原子模型，基于 1.25 亿个分子和晶体结构预训练，专注于从三维结构中预测超导性及临界温度；通用侧则依托大语言模型，负责文献研读、数据库检索及决策下一步探索方向。
该项目首次在非语言模型架构上验证了材料学领域的 Scaling Law，即参数规模与数据量的增加能持续提升性能。在四个子模型中，用于判断超导性的 Elements-C 模型 AUC 达到 0.996，预测临界温度的 Elements-T 模型平均误差小于 1K，精度已逼近实验测量极限。
四大发现路径展现系统能力边界
此次研究通过四条路径展示了系统的强大能力：
挖掘被遗忘的理论数据
Hf₂₁Re₂₅早已存在于理论数据库中，但从未被标记为超导体，AI 成功将其识别并“捡回”。
纠正人类计算错误
针对 Zr₄VRe₇，人类此前对数据库中的晶体结构计算有误，AI 修正结构后验证了其超导特性。
从头生成全新结构
HfZrRe₄完全不在任何已知数据库中，AI 在 Hf-Zr-Re 三元体系中从头生成了这一新结构。
举一反三的结构模体推演
对于 Zr₃ScRe₈，AI 先总结出 P6/mmm 富 Re 六方框架的结构模体，随后将 Hf 替换为 Sc 进行推演，最终发现临界温度（Tc）最高达 6.5K 的新材料。
从“炒菜式科研”迈向“大航海时代”
中科院物理所研究员金士锋将传统超导探索比喻为“炒菜式科研”，铜基、铁基等超导体的发现多依赖偶然，几十次实验成功一次已属幸运。达摩院科学智能负责人荣钰则将新框架比作“大航海”：通用模型是帆船，专有模型是指南针和六分仪，ElementsClaw 组装成了一艘能自动航行的船。人大高瓴人工智能学院副教授黄文炳强调“人机共生”模式，即由 AI 承担大海捞针式的重复工作，科学家则专注于提出问题与校正方向。
效率跃迁预示规模化应用前景
目前，240 万晶体的预测数据已全部开源，相关论文已上传至 arXiv（编号 2604.23758），团队将在 ICML 大会上分享该体系。需要客观指出的是，此次发现的 4 种新超导体临界温度最高仅为 6.5K，距离实用化门槛仍有差距。然而，行业的关注点已从温度绝对值转向效率的结构性跃迁：命中率从 3% 提升至 40%，标志着 AI 辅助材料发现有望进入大规模应用阶段，下一个改变世界的材料或许即将来临。
