从试错到智能筛选，超导材料发现迎来AI革命

传统超导材料的研发, 对物理学家手动试错有着极度的依赖, 每出现一个新材料, 从理论预测开始, 一直到实验验证, 通常都需要耗费数年时间才能完成。长时间以来, 国际主流超导数据库虽历经几十年不断积累, 但截止目前, 仅仅收录了大约2000种相关材料, 科研效率极为低下, 这已然成为整个行业最为突出的痛点所在。就在7月3日这一天, 阿里达摩院携手中国人民大学、中国科学院大学共同对外发布了全球首个超导材料AI智能体Claw, 此智能体的出现, 彻底打破了一直以来束缚行业发展的这一瓶颈。这个智能体具备强大的能力, 它能够在极短的时间范围之内, 完成数量海量的材料筛选以及预测运作过程, 通过这种方式, 使得新材料的发现模式, 从以往那种“靠运气”的状况, 成功转变为如今“靠计算”的全新模式。

1.25亿晶体结构数据库支撑，AI预测精度达到0.996

Claw智能体的核心, 是依据一个涵盖1.25亿分子以及晶体结构的巨大数据库来开展训练, 与此同时, 构建了一个具备10亿参数的原子基础模型, 这种“专通融合”架构, 使得AI不但拥有广泛的知识储量，而且还能够专心致力于解决超导材料这一特定问题, 测试数据表明, Claw判定材料超导潜力的AUC指标高达0.996, 这意味着它基本上不会遗漏有潜力的候选材料, 更为关键的是, 它对于超导临界温度的预测误差被控制在1K以内, 精度远远超过传统方法。

28个GPU小时筛选240万晶体，效率提升万倍

在实战测试当中, Claw呈现出了让人惊叹不已的效率, 即便它仅消耗了28个GPU小时, 却能够从240万个晶体结构里迅速筛选出6.8万个超导候选材料。将其与传统实验室需要花费数年时间才能测试几十种材料的做法相比较, AI的筛选速度提高了上万倍。这样一种高效的自动化流程表达的是科研人员无需再耗费大量时间在基础筛选环节, 还能够集中精力针对最具潜力的候选材料去进行实验验证。

全流程自主作业，AI像科学家一样独立思考

Claw并非单纯只是筛选工具, 它拥有如同人类科学家般的全流程作业能力, 此AI智能体能够自行查阅海量文献, 能评估材料合成可行性还可, 能设计具体实验方案, 并且在发现新线索后能实现算法自我进化, 这暗示着科研人员只需输入目标需求, Claw便能像富有经验研究人员那样, 从文献调研到方案设计全程独立搞定, 极大降低了人力投入与试错成本。

验证4种全新超导材料，临界温度最高6.5K

因研究团队已借由实验顺利完成合成且加以验证了Claw所发现的4种全新超导材料, 其中涵盖AI自起始设计生成的材料, 还包括经对现存数据库予以纠偏以及深度挖掘之后觅得的三种新材料, 其临界温度最高达至6.5K。此一成果不但证实了AI智能体于材料发现范畴的巨大潜力, 而且标志着AI正从辅助角色朝着独立攻关角色迈进。甚为关键的是, 团队已把这240万个稳定晶体的数据全部开放, 以供全球科研人员运用。

未来可复制到电池、催化剂等关键材料研发

中国人民大学高瓴人工智能学院, 身为高校相关学院, 其副教授, 指的是黄文炳, 他明确指明, Claw的智能体框架, 在未来, 有着被广泛复用的可能性, 被复用的范围, 在于固态电池电解质、多相催化剂以及热电材料等, 诸多更多关键材料的研发之中。这所代表的意义是, AI智能体, 不再是仅仅局限于单一领域的特殊例子, 而是能够摇身一变, 成为材料科学领域的一种通用研究范式。达摩院, 作为科研机构, 其科学智能负责人, 是荣钰, 他表示, 这批成果, 初步验证了AI智能体, 在科学发现领域所具备的潜力, 在未来, 将会推动更多行业, 一起去探索AI驱动的科研新模式。

设想一下, 倘若你身为一名材料科研工作者, 当面对像Claw这般的AI智能体时, 你内心是否愿意借助它去辅助自己开展研究工作? 欢迎于评论区畅所欲言, 分享一下你的见解, 顺手点个赞, 再转发给更多心系科研创新的友人！