3 июля 2026 года Академия Дамо (Alibaba) объявила о значительном прорыве в области материаловедения: с помощью специализированного искусственного интеллекта ElementsClaw были обнаружены и экспериментально подтверждены четыре новых сверхпроводящих материала. Исследование проводилось в тесном сотрудничестве с ведущими научными институтами Китая, что позволило в кратчайшие сроки верифицировать предсказания нейросети и опубликовать результаты на платформе arXiv.
Архитектура и возможности модели ElementsClaw
В основе успеха лежит инновационная архитектура «специализированно-универсальной интеграции». Разработчики использовали атомарную базовую модель, содержащую 1 миллиард параметров, которая прошла предварительное обучение на колоссальном массиве данных из 125 миллионов молекулярных и кристаллических структур. Благодаря такому масштабу обучения, ИИ демонстрирует исключительную точность:
- Показатель AUC (площадь под кривой ошибок) при предсказании сверхпроводимости достигает 0.996.
- Средняя погрешность при определении критической температуры составляет менее 1K.
- За 28 часов работы графических процессоров (GPU) система проанализировала 2,4 миллиона структур.
Практические результаты и экспериментальное подтверждение
Из огромного массива данных ElementsClaw выделил 68 тысяч потенциально перспективных соединений. На текущем этапе ученым удалось подтвердить свойства четырех новых материалов: Hf21Re25, Zr4VRe7, HfZrRe4 и Zr3ScRe8. Лабораторные тесты показали, что данные материалы обладают критической температурой перехода в сверхпроводящее состояние до 6.5K.
Использование глубокого обучения позволяет нам преодолеть ограничения традиционных методов проб и ошибок, значительно ускоряя поиск материалов с заданными физическими свойствами.
Перспективы развития технологий ИИ в науке
Данное открытие подчеркивает переход материаловедения в новую эру, где искусственный интеллект становится основным инструментом прогнозирования. Сокращение времени поиска новых структур с десятилетий до нескольких суток открывает широкие возможности для энергетики и квантовых вычислений. В ближайшем будущем команда планирует расширить базу верифицированных материалов из списка, предложенного нейросетью.
Интеграция подобных ИИ-систем в фундаментальную науку позволяет не только находить новые соединения, но и глубже понимать природу высокотемпературной сверхпроводимости, что остается одной из главных задач современной физики.