ИИ открыл шесть новых сверхпроводников за несколько дней: эра проб и ошибок в материаловедении подходит к концу

Архитектура и производительность. Elements Claw использует гибридный подход «специализированная атомная фундаментальная модель + общий интеллектуальный фреймворк». Его атомная модель с 1 миллиардом параметров была предварительно обучена на базе данных из 125 миллионов молекул и кристаллических структур ^F1. Модель предсказывает сверхпроводимость с впечатляющей точностью: AUC 0.996 и средняя ошибка менее 1 К при оценке критической температуры (Tc) ¹.

Пропускная способность, переписывающая временные рамки. В демонстрации эффективности, невозможной для традиционных методов, Elements Claw проанализировал 2,4 миллиона кристаллических структур всего за 28 GPU-часов. Из этого массива он идентифицировал 68 000 высоконадёжных кандидатов в сверхпроводники ¹. Исследовательская группа отобрала четыре кандидата для синтеза и экспериментальной проверки. Все четыре были подтверждены как подлинные сверхпроводники:

• Hf₂₁Re₂₅ — материал, ранее пропущенный существующими базами данных ^F
• Zr₄VRe₇ — материал, подтверждённый после исправления структурной ошибки в базе данных ^F
• HfZrRe₄ — совершенно новая структура, разработанная ИИ с нуля ^F
• Zr₃ScRe₈ — идентифицирован путём экстраполяции структурного сходства ^F

Наивысшая подтверждённая критическая температура среди них достигла 6,5 К ^S1. Результаты были опубликованы на arXiv, а все данные прогнозов открыты для мирового научного сообщества ^1H.

Рон Юй, руководитель направления научного интеллекта DAMO Academy, заявил, что работа демонстрирует, что «ИИ-агенты могут открывать новые материалы» — способность, которая, если её масштабировать до более высоких температур, может трансформировать энергетику, вычислительную технику и квантовые технологии ¹.

Консорциум SuperC: машинное обучение встречается с геометрией кагоме

Всего за несколько дней до этого, 29 июня 2026 года, международное исследовательское сотрудничество под руководством профессора Пяйви Тёрмя из Университета Аалто — консорциум SuperC — опубликовало собственное открытие сверхпроводника с помощью ИИ ^SHP.

Их подход сочетал высокопроизводительный скрининг на основе машинного обучения с расчётами из первых принципов (теория функционала плотности, DFT) для ориентации на конкретное и многообещающее структурное семейство: решётки кагоме ^1SP. Эти решётки, названные в честь японского узора плетения корзин, долгое время считались благодатной почвой для сверхпроводимости, поскольку их геометрия создаёт почти плоские электронные зоны с высокой плотностью состояний ^P.

ML-пайплайн проанализировал обширное комбинаторное пространство материалов кагоме состава 1:3:2, отметил наиболее перспективные кандидаты, уточнил их с помощью DFT и указал экспериментаторам на два ранее неизвестных соединения: YRu₃B₂ и LuRu₃B₂ ^AL.

Оба были затем синтезированы, и их объёмная сверхпроводимость была подтверждена измерениями намагниченности, удельной теплоёмкости и электросопротивления ^AL. Сообщается, что критические температуры находятся в диапазоне 0,63–0,95 К в зависимости от метода измерения и образца; оба материала демонстрируют слабосвязанную низкотемпературную сверхпроводимость ^RFAAA.

Работа, автором которой является Роуз Албу Мустаф и соавторы, была опубликована в Physical Review Research 8, 023308 (2026) ^SM. Как подчеркнула профессор Тёрмя, значимость в том, что ML-пайплайн может фильтровать «практически бесконечное» количество комбинаций материалов, обходя традиционные вычислительные «бутылочные горлышки», которые исторически ограничивали поиск сверхпроводников ^HP.

Что означают эти параллельные прорывы: точка перегиба в индустрии

Вместе взятые, эти два прорыва знаменуют чёткую точку перегиба в материаловедении. Переход происходит от трудоёмкой эмпирической случайности к вычислительно направленному рациональному дизайну. Сравнение разительно:

Два подхода взаимодополняемы. Elements Claw демонстрирует, что сквозные автономные ИИ-агенты теперь могут планировать и выполнять полный цикл открытия — от генерации гипотез до экспериментального протокола ^F1. Консорциум SuperC, в свою очередь, показывает, что ML-ускоренный скрининг может быть продуктивно объединён с квантово-физическими расчётами для навигации по обширным химическим пространствам в поисках целевых геометрий решёток, таких как кагоме ^1SP.

Важная оговорка: это пока не высокотемпературная сверхпроводимость

Необходимо сделать важную оговорку: найденные значения Tc (0,6–6,5 К) относятся к низкотемпературным сверхпроводникам, требующим экстремального охлаждения жидким гелием. Это не прорыв в области комнатной температуры. Значимость этих открытий — не в самих температурах перехода, а в скорости и автономности методологии открытия.

Главное, что пайплайн работает. ИИ теперь может указывать исследователям на жизнеспособные сверхпроводники за малую долю традиционного времени, и эти предсказания могут быть экспериментально проверены. Если эти методы будут масштабированы до более высоких температур — а фундаментальных причин, почему это невозможно, нет — последствия для передачи энергии, магнитной левитации, квантовых вычислений и медицинской визуализации могут быть трансформационными.

Как отметил Хуан Вэньбин, доцент Народного университета Китая, тот же фреймворк ИИ-агентов может быть применён к другим задачам открытия материалов, включая электролиты для твердотельных аккумуляторов и многокомпонентные катализаторы ¹.