आर्किटेक्चर और परफ़ॉर्मेंस: Elements Claw एक हाइब्रिड "स्पेशलाइज़्ड एटॉमिक फ़ाउंडेशन मॉडल + जनरल इंटेलिजेंट फ्रेमवर्क" का उपयोग करता है। इसके 1 बिलियन पैरामीटर वाले एटॉमिक मॉडल को 125 मिलियन अणुओं और क्रिस्टल स्ट्रक्चर के डेटाबेस पर प्री-ट्रेन किया गया था । यह मॉडल उल्लेखनीय सटीकता के साथ सुपरकंडक्टिविटी की भविष्यवाणी करता है: इसका AUC स्कोर 0.996 है और क्रिटिकल तापमान (Tc) का अनुमान लगाने में औसत त्रुटि 1 K से भी कम है ।

गति जो समय की धारणा बदल देती है: परंपरागत तरीकों से यह असंभव होता, लेकिन Elements Claw ने महज़ 28 GPU घंटों में 24 लाख क्रिस्टल स्ट्रक्चर की स्क्रीनिंग की। इस जांच में से इसने 68,000 उच्च-विश्वसनीय सुपरकंडक्टिंग उम्मीदवारों की पहचान की । शोध टीम ने इनमें से चार उम्मीदवारों को संश्लेषण और प्रयोगात्मक जांच के लिए चुना, और चारों को वास्तविक सुपरकंडक्टर के रूप में पुष्टि मिली:

• Hf₂₁Re₂₅ — एक ऐसा मटीरियल जो मौजूदा डेटाबेस में नहीं था
• Zr₄VRe₇ — एक मटीरियल जो डेटाबेस में एक संरचनात्मक त्रुटि को सुधारने के बाद मिला
• HfZrRe₄ — एक पूरी तरह से नया स्ट्रक्चर जिसे AI ने शून्य से डिज़ाइन किया
• Zr₃ScRe₈ — जो संरचनात्मक समानता के आधार पर खोजा गया

इनमें सबसे अधिक पुष्टि की गई क्रिटिकल तापमान 6.5 K तक पहुंच गया । ये परिणाम arXiv पर प्रकाशित किए गए हैं, और सभी भविष्यवाणी डेटा को वैश्विक शोध समुदाय के लिए ओपन-सोर्स कर दिया गया है ।

डैमो अकादमी के साइंटिफिक इंटेलिजेंस प्रमुख रोंग यू ने कहा कि यह काम दर्शाता है कि "AI एजेंट नई सामग्रियों की खोज कर सकते हैं" - एक ऐसी क्षमता जो यदि उच्च तापमान वाले क्षेत्रों में लागू होती है, तो ऊर्जा, कंप्यूटिंग और क्वांटम टेक्नोलॉजी को बदल सकती है ।

SuperC कंसोर्टियम: मशीन लर्निंग और कागोम ज्योमेट्री का मेल

इससे कुछ दिन पहले, 29 जून 2026 को, आल्टो यूनिवर्सिटी के प्रोफेसर पाइवी टोरमा के नेतृत्व में एक अंतरराष्ट्रीय शोध सहयोग - SuperC कंसोर्टियम - ने अपनी AI-संचालित सुपरकंडक्टर खोज प्रकाशित की ।

उनके दृष्टिकोण ने मशीन लर्निंग-त्वरित हाई-थ्रूपुट स्क्रीनिंग को फर्स्ट-प्रिंसिपल कैलकुलेशन (डेंसिटी फंक्शनल थ्योरी, या DFT) के साथ जोड़ा, ताकि एक विशिष्ट और आशाजनक संरचनात्मक परिवार को लक्षित किया जा सके: कागोम लैटिस । कागोम लैटिस, जिसका नाम एक जापानी टोकरी-बुनाई पैटर्न के नाम पर रखा गया है, लंबे समय से सुपरकंडक्टिविटी के लिए उपजाऊ जमीन मानी जाती रही है, क्योंकि इसकी ज्यामिति लगभग सपाट इलेक्ट्रॉनिक बैंड बनाती है ।

ML पाइपलाइन ने 1:3:2 कागोम सामग्रियों के विशाल कॉम्बिनेटोरियल स्पेस की स्क्रीनिंग की, सबसे आशाजनक उम्मीदवारों को चिन्हित किया, DFT के साथ उन्हें परिष्कृत किया, और प्रयोगकर्ताओं को दो पहले से अज्ञात यौगिकों की ओर इशारा किया: YRu₃B₂ और LuRu₃B₂ ।

दोनों को संश्लेषित किया गया और मैग्नेटाइज़ेशन, स्पेसिफिक हीट और इलेक्ट्रिकल ट्रांसपोर्ट माप के माध्यम से बल्क सुपरकंडक्टिविटी प्रदर्शित करने की पुष्टि की गई । इन सामग्रियों का क्रिटिकल तापमान 0.63 K से 0.95 K के बीच है ।

यह शोध, जो Rose Albu Mustaf एट अल. द्वारा लिखा गया था, फिजिकल रिव्यू रिसर्च 8, 023308 (2026) में प्रकाशित हुआ । प्रोफेसर टोरमा ने इसके महत्व पर प्रकाश डालते हुए कहा कि ML पाइपलाइन 'व्यावहारिक रूप से अनंत' सामग्री संयोजनों को फ़िल्टर कर सकती है, जो पारंपरिक कम्प्यूटेशनल बाधाओं को दरकिनार करती है ।

ये समानांतर सफलताएं क्या संकेत देती हैं?

साथ में, ये दो सफलताएं मटीरियल साइंस में एक स्पष्ट मोड़ का संकेत देती हैं। यह बदलाव श्रम-गहन अनुभवजन्य संयोग से कम्प्यूटेशनल रूप से निर्देशित तर्कसंगत डिज़ाइन की ओर है। अंतर स्पष्ट है:

Elements Claw दिखाता है कि एंड-टू-एंड ऑटोनॉमस AI एजेंट अब पूरे डिस्कवरी लूप की योजना बना सकते हैं, जबकि SuperC कंसोर्टियम दर्शाता है कि ML-त्वरित स्क्रीनिंग को क्वांटम-भौतिकी-आधारित गणनाओं के साथ जोड़ा जा सकता है ।

एक महत्वपूर्ण चेतावनी: यह अभी कमरे के तापमान का सुपरकंडक्टर नहीं है

एक महत्वपूर्ण चेतावनी स्पष्ट रूप से दी जानी चाहिए: अब तक पाए गए Tc मान (0.6–6.5 K) सभी कम तापमान वाले सुपरकंडक्टर हैं, जिन्हें तरल हीलियम से अत्यधिक ठंडा करने की आवश्यकता होती है। ये कमरे के तापमान वाली सफलताएं नहीं हैं। इन खोजों का महत्व संक्रमण तापमान में नहीं, बल्कि खोज पद्धति की गति और स्वायत्तता में है।

मायने यह रखता है कि पाइपलाइन काम करती है। AI अब शोधकर्ताओं को पारंपरिक समय के एक अंश में व्यवहार्य सुपरकंडक्टर की ओर इशारा कर सकता है, और उन भविष्यवाणियों को प्रयोगात्मक रूप से सत्यापित किया जा सकता है। यदि ये विधियां उच्च तापमान वाले क्षेत्रों तक फैलती हैं - और इसका कोई मूलभूत कारण नहीं है कि वे नहीं फैल सकतीं - तो ऊर्जा ट्रांसमिशन, मैग्नेटिक लेविटेशन, क्वांटम कंप्यूटिंग और मेडिकल इमेजिंग के लिए निहितार्थ परिवर्तनकारी हो सकते हैं।

जैसा कि रेनमिन यूनिवर्सिटी के एसोसिएट प्रोफेसर हुआंग वेनबिंग ने कहा, उसी AI एजेंट फ्रेमवर्क को सॉलिड-स्टेट बैटरी इलेक्ट्रोलाइट्स और मल्टी-फ़ेज़ कैटेलिस्ट सहित अन्य सामग्री खोज चुनौतियों पर लागू किया जा सकता है ।

आर्किटेक्चर और परफ़ॉर्मेंस: Elements Claw एक हाइब्रिड "स्पेशलाइज़्ड एटॉमिक फ़ाउंडेशन मॉडल + जनरल इंटेलिजेंट फ्रेमवर्क" का उपयोग करता है। इसके 1 बिलियन पैरामीटर वाले एटॉमिक मॉडल को 125 मिलियन अणुओं और क्रिस्टल स्ट्रक्चर के डेटाबेस पर प्री-ट्रेन किया गया था । यह मॉडल उल्लेखनीय सटीकता के साथ सुपरकंडक्टिविटी की भविष्यवाणी करता है: इसका AUC स्कोर 0.996 है और क्रिटिकल तापमान (Tc) का अनुमान लगाने में औसत त्रुटि 1 K से भी कम है ।

गति जो समय की धारणा बदल देती है: परंपरागत तरीकों से यह असंभव होता, लेकिन Elements Claw ने महज़ 28 GPU घंटों में 24 लाख क्रिस्टल स्ट्रक्चर की स्क्रीनिंग की। इस जांच में से इसने 68,000 उच्च-विश्वसनीय सुपरकंडक्टिंग उम्मीदवारों की पहचान की । शोध टीम ने इनमें से चार उम्मीदवारों को संश्लेषण और प्रयोगात्मक जांच के लिए चुना, और चारों को वास्तविक सुपरकंडक्टर के रूप में पुष्टि मिली:

• Hf₂₁Re₂₅ — एक ऐसा मटीरियल जो मौजूदा डेटाबेस में नहीं था
• Zr₄VRe₇ — एक मटीरियल जो डेटाबेस में एक संरचनात्मक त्रुटि को सुधारने के बाद मिला
• HfZrRe₄ — एक पूरी तरह से नया स्ट्रक्चर जिसे AI ने शून्य से डिज़ाइन किया
• Zr₃ScRe₈ — जो संरचनात्मक समानता के आधार पर खोजा गया

इनमें सबसे अधिक पुष्टि की गई क्रिटिकल तापमान 6.5 K तक पहुंच गया । ये परिणाम arXiv पर प्रकाशित किए गए हैं, और सभी भविष्यवाणी डेटा को वैश्विक शोध समुदाय के लिए ओपन-सोर्स कर दिया गया है ।

डैमो अकादमी के साइंटिफिक इंटेलिजेंस प्रमुख रोंग यू ने कहा कि यह काम दर्शाता है कि "AI एजेंट नई सामग्रियों की खोज कर सकते हैं" - एक ऐसी क्षमता जो यदि उच्च तापमान वाले क्षेत्रों में लागू होती है, तो ऊर्जा, कंप्यूटिंग और क्वांटम टेक्नोलॉजी को बदल सकती है ।

SuperC कंसोर्टियम: मशीन लर्निंग और कागोम ज्योमेट्री का मेल

इससे कुछ दिन पहले, 29 जून 2026 को, आल्टो यूनिवर्सिटी के प्रोफेसर पाइवी टोरमा के नेतृत्व में एक अंतरराष्ट्रीय शोध सहयोग - SuperC कंसोर्टियम - ने अपनी AI-संचालित सुपरकंडक्टर खोज प्रकाशित की ।

उनके दृष्टिकोण ने मशीन लर्निंग-त्वरित हाई-थ्रूपुट स्क्रीनिंग को फर्स्ट-प्रिंसिपल कैलकुलेशन (डेंसिटी फंक्शनल थ्योरी, या DFT) के साथ जोड़ा, ताकि एक विशिष्ट और आशाजनक संरचनात्मक परिवार को लक्षित किया जा सके: कागोम लैटिस । कागोम लैटिस, जिसका नाम एक जापानी टोकरी-बुनाई पैटर्न के नाम पर रखा गया है, लंबे समय से सुपरकंडक्टिविटी के लिए उपजाऊ जमीन मानी जाती रही है, क्योंकि इसकी ज्यामिति लगभग सपाट इलेक्ट्रॉनिक बैंड बनाती है ।

ML पाइपलाइन ने 1:3:2 कागोम सामग्रियों के विशाल कॉम्बिनेटोरियल स्पेस की स्क्रीनिंग की, सबसे आशाजनक उम्मीदवारों को चिन्हित किया, DFT के साथ उन्हें परिष्कृत किया, और प्रयोगकर्ताओं को दो पहले से अज्ञात यौगिकों की ओर इशारा किया: YRu₃B₂ और LuRu₃B₂ ।

दोनों को संश्लेषित किया गया और मैग्नेटाइज़ेशन, स्पेसिफिक हीट और इलेक्ट्रिकल ट्रांसपोर्ट माप के माध्यम से बल्क सुपरकंडक्टिविटी प्रदर्शित करने की पुष्टि की गई । इन सामग्रियों का क्रिटिकल तापमान 0.63 K से 0.95 K के बीच है ।

यह शोध, जो Rose Albu Mustaf एट अल. द्वारा लिखा गया था, फिजिकल रिव्यू रिसर्च 8, 023308 (2026) में प्रकाशित हुआ । प्रोफेसर टोरमा ने इसके महत्व पर प्रकाश डालते हुए कहा कि ML पाइपलाइन 'व्यावहारिक रूप से अनंत' सामग्री संयोजनों को फ़िल्टर कर सकती है, जो पारंपरिक कम्प्यूटेशनल बाधाओं को दरकिनार करती है ।

ये समानांतर सफलताएं क्या संकेत देती हैं?

साथ में, ये दो सफलताएं मटीरियल साइंस में एक स्पष्ट मोड़ का संकेत देती हैं। यह बदलाव श्रम-गहन अनुभवजन्य संयोग से कम्प्यूटेशनल रूप से निर्देशित तर्कसंगत डिज़ाइन की ओर है। अंतर स्पष्ट है:

Elements Claw दिखाता है कि एंड-टू-एंड ऑटोनॉमस AI एजेंट अब पूरे डिस्कवरी लूप की योजना बना सकते हैं, जबकि SuperC कंसोर्टियम दर्शाता है कि ML-त्वरित स्क्रीनिंग को क्वांटम-भौतिकी-आधारित गणनाओं के साथ जोड़ा जा सकता है ।

एक महत्वपूर्ण चेतावनी: यह अभी कमरे के तापमान का सुपरकंडक्टर नहीं है

एक महत्वपूर्ण चेतावनी स्पष्ट रूप से दी जानी चाहिए: अब तक पाए गए Tc मान (0.6–6.5 K) सभी कम तापमान वाले सुपरकंडक्टर हैं, जिन्हें तरल हीलियम से अत्यधिक ठंडा करने की आवश्यकता होती है। ये कमरे के तापमान वाली सफलताएं नहीं हैं। इन खोजों का महत्व संक्रमण तापमान में नहीं, बल्कि खोज पद्धति की गति और स्वायत्तता में है।

मायने यह रखता है कि पाइपलाइन काम करती है। AI अब शोधकर्ताओं को पारंपरिक समय के एक अंश में व्यवहार्य सुपरकंडक्टर की ओर इशारा कर सकता है, और उन भविष्यवाणियों को प्रयोगात्मक रूप से सत्यापित किया जा सकता है। यदि ये विधियां उच्च तापमान वाले क्षेत्रों तक फैलती हैं - और इसका कोई मूलभूत कारण नहीं है कि वे नहीं फैल सकतीं - तो ऊर्जा ट्रांसमिशन, मैग्नेटिक लेविटेशन, क्वांटम कंप्यूटिंग और मेडिकल इमेजिंग के लिए निहितार्थ परिवर्तनकारी हो सकते हैं।

जैसा कि रेनमिन यूनिवर्सिटी के एसोसिएट प्रोफेसर हुआंग वेनबिंग ने कहा, उसी AI एजेंट फ्रेमवर्क को सॉलिड-स्टेट बैटरी इलेक्ट्रोलाइट्स और मल्टी-फ़ेज़ कैटेलिस्ट सहित अन्य सामग्री खोज चुनौतियों पर लागू किया जा सकता है ।