Yapay Zeka Sadece Günler İçinde 6 Yeni Süperiletken Keşfetti

Mimari ve performans. Elements Claw, hibrit bir "uzmanlaşmış atom temel modeli + genel zeki çerçeve" kullanır. 1 milyar parametreli atom modeli, 125 milyon molekül ve kristal yapıdan oluşan bir veritabanı üzerinde ön eğitimden geçirilmiştir . Model, süperiletkenliği dikkate değer bir doğrulukla tahmin ediyor: AUC (Eğri Altındaki Alan) değeri 0,996 ve kritik sıcaklığı (Tc) tahmin ederken ortalama hata 1 K'nin altında .

Zaman çizelgesini yeniden yazan işlem hacmi. Geleneksel yöntemlerle imkansız olacak bir verimlilik gösterisiyle Elements Claw, sadece 28 GPU saatinde 2,4 milyon kristal yapıyı taradı. Bu taramadan 68.000 yüksek güvenilirlikli süperiletken adayı belirledi . Araştırma ekibi daha sonra sentez ve deneysel doğrulama için dört aday seçti. Dördü de gerçek süperiletkenler olarak doğrulandı:

• Hf₂₁Re₂₅ — daha önce mevcut veritabanlarında gözden kaçmış bir malzeme
• Zr₄VRe₇ — veritabanındaki bir yapısal hatanın düzeltilmesinin ardından doğrulanan bir malzeme
• HfZrRe₄ — yapay zeka tarafından sıfırdan tasarlanmış tamamen yeni bir yapı
• Zr₃ScRe₈ — yapısal benzerlik ekstrapolasyonu yoluyla tanımlanmıştır

Doğrulanan en yüksek kritik sıcaklık 6,5 K'ye ulaştı . Sonuçlar arXiv'de yayınlandı ve tüm tahmin verileri küresel araştırma topluluğunun kullanımına açık kaynak olarak sunuldu .

DAMO Akademisi'nin bilimsel zeka lideri Rong Yu, bu çalışmanın "yapay zeka ajanlarının yeni malzemeler keşfedebileceğini" gösterdiğini belirtti; bu yetenek, daha yüksek sıcaklık rejimlerine ölçeklenirse enerji, bilgi işlem ve kuantum teknolojilerini dönüştürebilir .

SuperC Konsorsiyumu: Makine Öğrenimi Kagome Geometrisiyle Buluşuyor

Sadece birkaç gün önce, 29 Haziran 2026'da, Aalto Üniversitesi'nden Profesör Päivi Törmä liderliğindeki SuperC konsorsiyumu adlı uluslararası bir araştırma iş birliği, kendi yapay zeka destekli süperiletken keşfini yayınladı .

Yaklaşımları, özellikle umut verici bir yapısal aile olan kagome kafeslerini hedeflemek için ilk prensipler hesaplamalarıyla (yoğunluk fonksiyonel teorisi - DFT) hızlandırılmış makine öğrenimi taramasını birleştirdi . Adını Japon bir sepet örgü deseninden alan kagome kafesleri, geometrileri yüksek durum yoğunluğuna sahip neredeyse düz elektronik bantlar oluşturduğu için uzun süredir süperiletkenlik için verimli bir zemin olarak kabul edilmektedir .

Makine öğrenimi hattı, 1:3:2 kagome malzemelerinin geniş birleşimsel uzayını taradı, en umut verici adayları işaretledi, DFT ile rafine etti ve deneyselcileri daha önce bilinmeyen iki bileşiğe yönlendirdi: YRu₃B₂ ve LuRu₃B₂ .

Her ikisi de daha sonra sentezlendi ve mıknatıslanma, özgül ısı ve elektriksel taşıma ölçümleri yoluyla toplu süperiletkenlik sergiledikleri doğrulandı . Bildirilen kritik sıcaklıklar, ölçüme ve numuneye bağlı olarak 0,63–0,95 K arasında değişmekte olup, her iki malzeme de zayıf bağlı, düşük sıcaklık süperiletkenliği göstermektedir .

Rose Albu Mustaf ve arkadaşları tarafından yapılan çalışma, Physical Review Research 8, 023308 (2026)'de yayınlandı . Profesör Törmä tarafından vurgulandığı üzere önemi, makine öğrenimi hattının "pratik olarak sonsuz" sayıda malzeme kombinasyonunu filtreleyebilmesi ve geleneksel olarak süperiletken keşfini sınırlayan hesaplama darboğazlarını aşabilmesidir .

Bu Paralel Gelişmeler Ne Anlama Geliyor: Sektörde Bir Dönüm Noktası

Birlikte ele alındığında, bu iki atılım malzeme biliminde net bir dönüm noktasına işaret ediyor. Değişim, emek yoğun ampirik tesadüften hesaplamalı olarak yönlendirilen rasyonel tasarıma doğru gerçekleşiyor. Karşılaştırma net:

İki çaba, yaklaşımlarında birbirini tamamlayıcı niteliktedir. Elements Claw, uçtan uca otonom yapay zeka ajanlarının artık hipotez oluşturmadan deneysel protokole kadar tüm keşif döngüsünü planlayıp yürütebildiğini göstermektedir . Bu arada SuperC konsorsiyumu, makine öğrenimi destekli taramanın, kuantum fiziği tabanlı hesaplamalarla verimli bir şekilde birleştirilerek kagome gibi hedeflenen kafes geometrileri için geniş kimyasal alanlarda gezinilebileceğini gösteriyor .

Önemli Bir Uyarı: Bu Henüz Oda Sıcaklığında Süperiletkenlik Değil

Açıkça belirtilmesi gereken kritik bir uyarı var: Şu ana kadar bulunan Tc değerleri (0,6–6,5 K) tamamen düşük sıcaklık süperiletkenleridir ve sıvı helyum ile aşırı soğutma gerektirir. Bunlar oda sıcaklığı atılımları değildir. Bu keşiflerin önemi, geçiş sıcaklıklarının kendisinde değil, keşif metodolojisinin hızında ve özerkliğinde yatmaktadır.

Önemli olan, sürecin işe yaramasıdır. Yapay zeka artık araştırmacıları geleneksel sürenin çok küçük bir bölümünde uygulanabilir süperiletkenlere yönlendirebiliyor ve bu tahminler deneysel olarak doğrulanabiliyor. Bu yöntemler daha yüksek sıcaklık rejimlerine ölçeklenirse (ki bunun için temel bir neden yoktur), enerji iletimi, manyetik levitasyon, kuantum hesaplama ve tıbbi görüntüleme üzerindeki etkileri dönüştürücü olabilir.

Renmin Üniversitesi'nde doçent olan Huang Wenbing'in belirttiği gibi, aynı yapay zeka ajanı çerçevesi, katı hal pil elektrolitleri ve çok fazlı katalizörler dahil olmak üzere diğer malzeme keşif zorluklarına da uygulanabilir .