AI가 며칠 만에 6개의 신규 초전도체를 발견하다: 재료과학 시행착오의 시대가 끝나간다

수십 년 동안 새로운 초전도체를 찾는 일은 힘든 합성, 반복된 측정, 그리고 적지 않은 운이 필요한 작업이었다. 전 세계 연구자들이 수십 년간 구축한 국제 초전도체 데이터베이스 SuperCon에 등록된 초전도 물질은 고작 약 2000종에 불과하다 .

그러나 2026년 6월 말에서 7월 초, 불과 며칠 사이에 이러한 패러다임이 완전히 바뀌었다. 알리바바의 다모 아카데미(DAMO Academy)와 알토 대학교가 이끄는 국제 컨소시엄 '슈퍼C(SuperC)'가 각각 독립적으로 AI 기반 방식으로 총 6종의 새로운 초전도체를 발견하고 실험적으로 확인했다고 발표한 것이다. 그 속도와 범위, 그리고 자율성은 재료과학이 중요한 변곡점을 넘었음을 시사한다.

알리바바의 '엘리먼츠 클로': 초전도체 발견을 위한 최초의 자율 AI 에이전트

2026년 7월 3일, 알리바바 다모 아카데미는 중국 인민대학교 및 중국과학원대학교와 공동으로 **엘리먼츠 클로(Elements Claw)**를 공개했다. 이는 초전도체 발견을 위해 특별히 설계된 업계 최초의 AI 에이전트로 소개됐다 . 엘리먼츠 클로는 단순한 예측 도구가 아니다. 과학 문헌을 읽고, 물질 합성 가능성을 평가하며, 실험 프로토콜을 설계하는 등 인간 재료 과학자의 전체 작업 흐름을 모방하는 자율 시스템이다 .

아키텍처와 성능. 엘리먼츠 클로는 '전용 원자 기반 모델 + 일반 지능형 프레임워크'라는 하이브리드 구조를 사용한다. 1억 2500만 개의 분자 및 결정 구조 데이터베이스로 사전 훈련된 10억 개(1B) 파라미터 규모의 원자 모델은 초전도성을 예측하는 AUC가 0.996에 달하며, 임계 온도(Tc) 예측의 평균 오차는 1K 미만이다 .

기존 타임라인을 다시 쓰는 처리 속도. 전통적인 방식으로는 불가능한 효율성으로, 엘리먼츠 클로는 단 28 GPU시간 만에 240만 개의 결정 구조를 스크리닝했다. 그 결과 6만 8000개의 고신뢰도 초전도체 후보 물질을 식별했다 . 연구팀은 이 중 4개의 후보 물질을 선택해 합성 및 실험 검증을 진행했고, 모두 실제 초전도체임이 확인됐다.

• Hf₂₁Re₂₅ — 기존 데이터베이스에서 누락됐던 물질
• Zr₄VRe₇ — 데이터베이스의 구조 오류를 수정한 후 확인된 물질
• HfZrRe₄ — AI가 처음부터 새로 설계한 완전히 새로운 구조
• Zr₃ScRe₈ — 구조적 유사성 추론을 통해 식별됨

확인된 최고 임계 온도는 6.5K이다 . 이 결과는 arXiv에 게재됐으며, 모든 예측 데이터는 글로벌 연구 커뮤니티에 오픈소스로 공개됐다 .

다모 아카데미의 과학 인텔리전스 책임자인 룽위(Rong Yu)는 이 연구가 "AI 에이전트가 새로운 물질을 발견할 수 있음"을 입증했다고 강조하며, 이러한 능력이 더 높은 온도 영역으로 확장된다면 에너지, 컴퓨팅 및 양자 기술 분야를 혁신할 수 있을 것이라고 말했다 .

'슈퍼C' 컨소시엄: 머신러닝과 카고메 기하학의 만남

며칠 앞선 2026년 6월 29일, 알토 대학교의 패이비 퇴르매(Päivi Törmä) 교수가 이끄는 국제 연구 협력체인 슈퍼C 컨소시엄도 AI 기반 초전도체 발견 연구 결과를 발표했다 .

이들의 접근 방식은 머신러닝으로 가속화된 고속 스크리닝과 **제일원리 계산(밀도 범함수 이론, DFT)**을 결합해, 특히 유망한 구조군인 카고메 격자(kagome lattice)를 집중적으로 탐색했다 . 카고메 격자는 일본 전통 바구니 짜기 패턴에서 이름을 따왔으며, 그 기하학적 구조가 높은 상태 밀도를 가진 평탄한 전자 띠를 만들어내 초전도 현상에 매우 유리한 것으로 오랫동안 주목받아 왔다 .

ML 파이프라인은 방대한 1:3:2 카고메 물질의 조합 공간을 스크리닝하고, 가장 유망한 후보를 선별한 뒤 DFT로 정밀 분석했으며, 실험가들에게 YRu₃B₂와 LuRu₃B₂라는 두 가지 이전에 알려지지 않은 화합물을 제시했다 .

이 두 물질은 이후 자화율, 비열, 전기 수송 측정을 통해 합성 및 확인되어 벌크 초전도성을 나타냄이 입증됐다 . 보고된 임계 온도는 측정 방식과 샘플에 따라 0.63~0.95K 범위로, 두 물질 모두 약하게 결합된 저온 초전도체의 특성을 보였다 .

로즈 알부 무스타프(Rose Albu Mustaf) 등이 저자로 참여한 이 연구는 **Physical Review Research 8, 023308 (2026)**에 게재됐다 . 퇴르매 교수는 ML 파이프라인이 "실질적으로 무한한" 물질 조합을 걸러낼 수 있어, 기존에 초전도체 발견을 제한했던 전통적인 계산 병목 현상을 우회할 수 있다는 점을 강조했다 .

이 두 돌파구가 의미하는 것: 산업적 변곡점

이 두 연구는 함께 재료과학의 명확한 변곡점을 알리고 있다. 즉, 노동 집약적이고 경험에 의존하는 우연성에서 계산 기반의 합리적 설계로의 전환이다. 그 차이는 극명하다.

측면	전통적 시행착오 방식	AI 기반 패러다임
탐색 범위	수십 년에 걸쳐 약 2000종의 초전도체 스크리닝 (SuperCon DB)	며칠 만에 수백만 개 후보 탐색
발견당 시간	반복적 합성 및 측정에 수년 소요	전체 스크리닝에 28 GPU시간
자율성	인간 연구자의 직관과 수동 문헌 검토	AI 에이전트가 논문 자동 탐독, 후보 제안, 실험 설계
확장성	단일 발견, 종종 우연에 의존	체계적이고 반복 가능하며 데이터 개방형 파이프라인

두 접근 방식은 상호 보완적이다. 엘리먼츠 클로는 종단간 자율 AI 에이전트가 가설 생성부터 실험 프로토콜에 이르는 전체 발견 루프를 계획하고 실행할 수 있음을 보여준다 . 반면, 슈퍼C 컨소시엄은 ML 기반 가속 스크리닝이 양자 물리 기반 계산과 생산적으로 결합되어 카고메와 같은 특정 격자 구조를 위한 방대한 화학 공간을 탐색할 수 있음을 입증했다 .

중요한 주의사항: 아직 상온 초전도체는 아니다

분명히 짚고 넘어가야 할 중요한 점이 있다. 지금까지 발견된 임계 온도(0.6~6.5K)는 모두 극저온(액체 헬륨 수준의 냉각 필요) 초전도체라는 점이다. 상온 초전도체 발견과는 거리가 멀다. 이번 발견의 진정한 의의는 임계 온도 자체가 아니라, 발견 방법론의 속도와 자율성에 있다.

중요한 것은 파이프라인이 작동한다는 사실이다. AI는 이제 기존 방식에 비해 훨씬 짧은 시간에 연구자들을 실행 가능한 초전도체 후보로 안내할 수 있고, 그 예측은 실험적으로 검증될 수 있다. 만약 이러한 방법이 더 높은 온도 영역으로 확장된다면(근본적으로 불가능한 이유는 없다) 에너지 전송, 자기 부상, 양자 컴퓨팅, 의료 영상 분야에 혁신적인 영향을 미칠 수 있다.

중국 인민대학교 고등인공지능연구원의 부교수인 황원빙(Huang Wenbing)은 이와 동일한 AI 에이전트 프레임워크가 고체 전지 전해질이나 다상 촉매와 같은 다른 신소재 발견 과제에도 적용될 수 있다고 언급했다 .