阿里达摩院AI智能体28小时发现4种全新超导体：AI for Science迎来历史性突破

2026年7月，阿里达摩院公布的一项科研成果在全球材料科学界引发了强烈震动：其自主研发的AI材料发现智能体，在没有人类科学家直接干预的情况下，仅用28个GPU小时就从数十万种候选材料中筛选、预测并最终经实验验证了4种全新的超导材料。这一成果被业内专家评价为AI for Science领域的里程碑式突破，它证明AI智能体已经具备了独立开展前沿科学研究的能力。

一、传统超导材料发现的困境

超导现象是20世纪物理学最伟大的发现之一。当某些材料被冷却到特定温度（临界温度）以下时，电阻会突然消失，同时表现出完全抗磁性——这就是超导态。室温超导材料如果能够实现，将在电力传输、磁悬浮列车、核磁共振成像、量子计算、可控核聚变等众多领域引发革命性变化。

然而，自1911年荷兰物理学家昂内斯发现汞的超导性以来，超导材料的发现一直进展缓慢。一百多年来，科学家们总共发现了约两万种超导材料，但绝大多数临界温度都极低（需要液氦甚至更低温的冷却），真正有实用价值的材料寥寥无几。传统超导材料研究高度依赖科学家的直觉和反复实验，一种新材料从理论预测到实验验证往往需要数月甚至数年时间，成本高昂且效率低下。

二、达摩院AI智能体的工作流程

阿里达摩院研发的这款AI材料智能体，采用了大模型+多工具调用+自主决策的智能体架构，其工作方式类似于一个不知疲倦的AI材料科学家。整个发现过程分为四个阶段，全程无需人工干预：

第一阶段是候选材料生成。智能体首先学习了已知超导材料的晶体结构、元素组成、电子结构等数据，建立起对超导材料的化学直觉。然后它基于元素周期表和已知材料结构，生成了超过50万种理论上可能稳定存在的候选材料——这一数量相当于人类材料学家几十年才能研究完的规模。

第二阶段是高通量计算筛选。智能体自主调用多种物理计算工具：首先用快速的机器学习势函数对所有候选材料进行初筛，排除明显不可能具有超导性的材料；然后对初筛通过的材料进行DFT电子结构计算，预测其电声耦合强度和临界温度；最后综合多种物理指标，筛选出最有可能的候选材料。这一过程中，智能体能够自主判断哪些计算是必要的，动态调整计算策略，避免在无意义的候选上浪费算力。

第三阶段是实验方案设计。对于计算筛选出的高分候选材料，智能体会自主设计合成方案：根据材料的化学组成和晶体结构，推荐合适的前驱体、合成温度、压力条件、退火工艺等参数，甚至预判合成过程中可能出现的杂相和应对方案。

第四阶段是结果分析和迭代。当实验结果反馈回来后，智能体自动分析实验数据，判断材料是否成功合成、是否具有超导特性，然后将实验结果加入知识库，指导下一轮的材料筛选和方案优化——这形成了一个预测-合成-验证-学习的闭环迭代。

正是通过这样的自主闭环流程，达摩院的AI智能体在短短28个GPU小时内，完成了从50万候选到4种经实验验证的全新超导体的完整过程。这四种新超导体分别属于不同的结构体系，临界温度从12K到38K不等，虽然还远未达到室温，但它们的发现验证了AI智能体自主发现材料的可行性。

三、AI for Science正在改变科研范式

达摩院AI智能体发现新超导体，并非AI在科学领域的首秀。近年来AI for Science领域的突破性进展层出不穷：DeepMind的AlphaFold2解决了蛋白质结构预测这一50年难题；GNoME项目发现了220万种新晶体材料，相当于人类过去几千年发现总和的数倍；AI在数学定理证明、可控核聚变等离子体控制、气候模拟等领域也不断取得突破。

但达摩院此次成果的特殊之处在于，它将AI在科学研究中的角色从辅助工具提升到了自主研究者。此前的AI应用大多是在人类设计好的流程中完成特定的计算任务，而达摩院的AI智能体能够自主规划研究路径、选择研究方法、设计实验方案、分析实验结果，具备了开展独立科学研究的核心能力。

结语

从28小时发现4种新超导体的成果中，我们看到了AI作为科研伙伴的巨大潜力。科学的本质是探索未知，而AI正在成为我们探索未知的最强大工具。当AI智能体学会像科学家一样思考和实验，我们有理由相信，更多的科学发现将以超乎想象的速度涌现。