AI自主筛选发现四种新型超导材料，实验证实有效

ElementsClaw采用"专通融合"架构。专有模型层面，团队基于涵盖1.25亿种分子与晶体结构的数据库，预训练出参数量达1B的原子基础模型Elements，其判定材料超导性的AUC达到0.996，预测超导临界温度的平均偏差控制在1K以下。通用智能体框架层面，ElementsClaw完成了工具制造、流程编排、文献复核等全流程自动化材料筛选，且能在文献中发现新线索时实现"自我进化"。

AI仅耗费28个GPU小时便完成240万晶体结构的筛选工作，预测出6.8万个潜在超导材料。研究团队已从中实验合成并确认了4种：从既有数据库中发掘的"漏网之鱼"Hf21Re25、修正数据库构型误差后"正名"的Zr4VRe7、AI从头设计生成的HfZrRe4、以及基于相似结构类推获得的Zr3ScRe8，其临界温度最高可达6.5K。

中国人民大学高瓴人工智能学院副教授黄文炳指出，该AI智能体未来还有望用于发现固态电池电解质、多相催化剂及热电材料等新型材料。