刚刚 发自 凹非寺

量子位 | 公众号 QbitAI

东说念主类照旧卷了一百多年的“物理学圣杯”竞赛，终于等来了AI选辖下场。

刚刚，阿里达摩院集合中国东说念主民大学高瓴东说念主工智能学院、中国科学院大学等机构，发布了首个专攻超导材料发现的AI智能体“ElementsClaw”（元素虾）。

只用了28个GPU小时，ElementsClaw就给已知的240万种踏实晶体十足海选了一遍，展望其中的6.8万种可能是超导体。

对比东说念主类100多年才发现2000多个超导材料的着力，AI这简直是光速交卷。

快是快了，但靠不靠谱啊？

连络团队选了几种比拟好合成的试了试，收尾发现4种是东说念主类此前未知的全新超导体。

刻下，他们照旧把AI对这240万种材料的展望数据（有莫得超导性、结构是什么、临界温度是几许等等）全部灵通，接待更多连络东说念主员沿途来挖矿。

（插播一个纵贯车：https://science.damo-academy.com/#/material）

万一呢，说不定内部就藏着下一个改动寰宇的材料（doge）。

超导：寻找物理学终极材料，竟是“炒菜式科研”？

1911年，昂纳斯这位热衷于当“寒冰弓手”的荷兰诺奖得主先是把氦气冻成了液体，再用液氦把水银冻到了4K（约零下269℃）隔邻。

这下水银透澈被他玩坏了。

啪，电阻没了！

电阻没了意味着什么呢，这样说吧，若是说世俗的电线是乡下土路，电子在内部跑会磕磕碰碰、损耗能量，此时的水银等于一条高速公路，电子不错一齐狂飙。

更绝的是，它还会把磁场完全挤出去，也等于“完全抗磁性”。

于是，超导的全名“超等导电体”就这样出身了。

有了这种材料，输电时电能简直不会花消，还能造出速率极快的磁悬浮列车，应用出路越过广。

最最刺激的是，超导材料照旧磁敛迹核聚扮安装托卡马克环的必要组件，东说念主类没准能靠超导达成可控核聚变，径直拆伙动力问题。

然而，真要降到零下269℃才超导，不免也太难用了，作念啥皆得配个大雪柜。

往后这一百多年，大家抱着极高的温雅去寻找其他的超导体，就看谁能先找到个常温常压就变身的超绝材料了。

战果如下！

到当今，海外主流的超导体数据库SuperCon就收录了2000多种具有超导性的材料，而温度能到几十K（其实这亦然零下200多度了）的可能只好几十种。

难怪当2023年韩国团队声称作念出“室温超导体”LK-99时（过后说明是个大乌龙），从顶尖实验室到民科，全球无数东说念主皆掏出了我方的 “真金不怕火丹炉”。

物理学圣杯的吸引实在太大了。

中国科学院大学金士锋连络员给了句辣评：

作念超导体探索许多是“炒菜式科研”。

我们和会一下什么是炒菜式科研哈。

常压下转念温度逾越40K的“高温超导体”，物理机制于今莫得完全被东说念主类和会。

从铜基、铁基到镍基，简直每一个重磅超导材料皆是有时发现的。

元素周期表上有100多种元素，物理学家短缺一册菜谱的率领，只可不停休养油盐酱醋的比例，反复试错，今天多放点葱，未来少放点蒜。

“和炒菜最大的不同是——发现超导材料的顺利率还更低少许，可能作念几十个实验只可有一个能顺利。”

这亦然他决定加入这个连络的原因。

百年超导，光靠东说念主类有点卷不动了。

AI来了，但作念成AlphaFold那样还不够

让AI去替东说念主大海捞针，是再当然不外的目的，毕竟生物学早就尝到了甜头。

2024年，DeepMind的AlphaFold就凭借着展望卵白质结构的颠覆性阐发，拿下了诺贝尔化学奖。

但猜超导可比猜卵白质难多了。

卵白质只好20多种氨基酸，序列限定相对明晰；晶体呢？元素上百种，原子之间还有各式离子键、金属键、共价键等等等等。

“结构即功能”是生物学领域的一句名言。

晶体的寰宇要也能这样通俗就好了……

这几年倒也不是莫得冲突。

DeepMind的GNoME用AI一下子展望了220万种表面上存在的踏实材料，说是走已矣东说念主类800年的材料发现之路。

这个后果照旧发了Nature。

微软的MatterGen则是反向念念维，证据东说念主类想要的材料性格，让AI去设想新结构，也发了Nature。

这顺应从展望式AI（predictive AI）到生成式AI（generative AI）的时候趋势，即AI从答“判断题”进化到了答“填空题”。

但在达摩院科学智能雅致东说念主荣钰看来，它们皆有一个问题，那等于太单点了。

它们能告诉你“这可能是超导”，但又不可告诉你往时有莫得东说念主连络过？合成方不便捷？有莫得毒性？资本高不高？

在实际科研里，可不是小手少许说“这是超导，那不是超导”就已矣。

光是细目一种结构究竟有莫得文件报说念，可能就需要好几天，别一不阻难就把前东说念主踩过的坑全踩一遍。

就算发现了一种材料结构，要把它作念出来况且调控到最好超导景况，又是一轮漫长的“炒菜”。

金士锋提到，他们也曾调控一个2010年就发现的铁基超导材料，到2019年才初度达成空穴掺杂，中鉴别了接近十年。

一个经典提问对着所有物理学使命者贴脸提问：

“一个物理学家能有几个十年？”

ElementsClaw：一个 “AI材料学家”

是以达摩院和东说念主大此次莫得作念一个单点模子，而是一个完整的智能体。

这等于ElementsClaw。

这只元素虾的中枢架构“通专和会”：

一边是特意的“大原子模子”Elements，能精确读懂三维晶体结构，判断材料是否超导、临界温度是几许；一边是妄语语模子，能像确凿的材料学家读paper、查数据、作念决策。

Elements是一个10亿参数（AlphaFold3参数目不到3亿）的几何深度图神经集聚。

闪耀了，1B参数目在LLM领域不算什么，但在材料学AI领域十分可不雅。

模子预教师阶段用到了1.25亿个分子和晶体结构；微调之后，这个模子在22个材料学基准测试上达到或接近SOTA水平。

更勤恳的是，他们初度在非妄语语模子架构上考证了Scaling Law，给这个原子模子更多参数、更多数据，它的性能真实能抓续栽培。

基于Elements，李明泽等同学给“元素虾”长出了好几只钳子：

Elements-T雅致展望超导临界温度（Tc），平均绝对漏洞（MAE）只好0.99K，简直靠拢实验漏洞；Elements-C雅致判断材料是否超导，AUC达到0.996；Elements-E雅致展望材料的能量和踏实性；Elements-G雅致生周至新的晶体结构。

而智能体系统则雅致作念它最擅长的事，比如调用具、读论文、查数据库、分析可合成性、设想实验有计算。

这个智能体有几个性格。

第一，它速率快。

240万种晶体先扫描一遍，靠谱的留住，彰着不靠谱的踢掉。

第二，它会“自我进化”。

当它在文件中发现新的超导数据后，能自动微调我方的模子，给我方创造出新的Skill。

第三，它能作念决策。不是通俗地展望性质，而是决定下一步该查什么、该怎样设想实验。

荣钰暗示：“若是说材料发现是大帆海，那么通用模子等于风帆，特有模子等于指南针和六分仪。ElementsClaw把这艘船和这些仪器拼装在了沿途，能达成在材料的海洋内部自动飞行。”

4种新材料，4条旅途

最有真谛的是，随后由王历宏等同学实验合成出来的4种新超导体。

这是AI用4种不同的关节找到的（讲真，东说念主类的脸有点痛）。

关节1：“不逞之徒”——Hf₂₁Re₂₅（临界温度2.5 K）

就算是东说念主类照旧扒拉了无数遍的数据库，AI也毫不空军。

这个材料其实早就躺在表面数据库中，但从来没被东说念主试过。ElementsClaw在文件和数据库交叉比对时把它捞了出来，作念出来竟然是超导。

关节2：“千里冤得雪”——Zr₄VRe₇（临界温度3.5 K）

这个材料就更冤了，东说念主类在数据库里径直把结构算错了。

ElementsClaw展望了一个不同结构，况且说是超导。实验一作念，它说的皆对皆对。

关节3：“望风捕影”——HfZrRe₄（临界温度5.9 K）

这个材料不在职何已知数据库里。

ElementsClaw先锁定了Hf-Zr-Re这个有后劲的三元体系，基于结构展望用具生成了新的结构，并我方考证了其超导性。

关节4：“举一反三”——Zr₃ScRe₈（临界温度6.5 K）

在考证了Hf-Zr-Re体系的超导相后，AI回归出一个结构模体：

保留P6/mmm富Re六方框架、保抓Re子晶格完整。然后驱动按这个来排查长得像的亲戚，最终找到了把Hf元素替换为Sc的Zr₃ScRe₈。

它的临界温度亦然此次发现中最高的。

除了刻下还没长脱手作念实验之外，它差未几照旧是个“AI材料学家”。

虽然，此次发现的4种超导材料，临界温度皆不算高，最高只好6.5K，距离“室温超导”还远得很。

但走通AI智能体这条路，就很枢纽了。

当然界的材料中具有超导性的比例可能只好3%傍边，而ElementsClaw保举的射中率达到了40%，高了整整一个数目级。

达摩院照旧把这240万踏实晶体的展望数据库全部灵通（https://science.damo-academy.com/#/material），全球科研东说念主员皆不错免费使用，共同挖掘这座富矿。

中国东说念主民大学高瓴东说念主工智能学院副素质黄文炳强调，AI for Science从来不是要取代科学家，而是达成东说念主机共生。

AI雅致大海捞针和访佛性使命，把科学家从繁琐的文件调研和数据整理中开脱出来；科学家则雅致提议问题、征战AI念念考、校对收尾等，况且证据AI响应的收尾，形成新的科学学问体系。

“AI for Science不是要取代东说念主的主体性。”他说。

物理学家找了一百多年的圣杯，终于有了AI队友。

莫得完好意思方程的科学发现

这不是达摩院第一次搞AI for Science。

5月20日， Nature发表了北大与达摩院的勾通连络后果，应用AI数清开源卫星影像上的风机和光伏板，从“天主视角”摸清中国的新动力家底，并提议了一种动力跨省协同的有计算，一年能少花消一座三峡大坝的绿电。

上个月，达摩院又推出了诬捏细胞模子Lingshu Cell，用生成式AI模拟基因敲除或是药物对细胞形成的影响，裁减药物研发的资本的和周期。

畴昔，《我不是药神》电影里描摹过的悲催可能会少一些。

从电力动力，到生命制药，再到材料发现，AI for Science直击东说念主类难以独霸的数据海洋。

黄文炳提到，传统科学连络投降“收复论”，即把复杂气候拆解成通俗方程。但靠近复杂的材料系统，这种门路碰到了“维度不欢然”。

而AI擅长的是另一种念念路：好像单到复杂的“泄露论”。

AI不需要知说念底层每一个细节，而是基于多数数据和基本物理敛迹，让模子从系统的外皮作为中学习限定。

这恰是ElementsClaw在作念的事情。

它不是靠一个完好意思方程推算出超导材料，而是背靠240万种晶体库和海量文件的数据驱动，径直给出谜底。

AI时期，物理学还存在，但方式在改动。

— 完 —

量子位 QbitAI · 头条号

关注我们开云体育，第一时期获知前沿科技动态