Heim
KI beendet jahrhundertelangen Wettlauf um die Supraleitung und identifiziert vier neue Materialien innerhalb von 28 Stunden
In der Physik gilt die Suche nach Supraleitern seit langem als ein jahrhundertelanges Streben nach dem „Heiligen Gral“. Vor kurzem erhielt dieses traditionelle Forschungsgebiet einen leistungsstarken KI-Partner – einen Agenten namens „ElementsClaw“ (Elemental Crab), der speziell für die Entdeckung supraleitender Materialien entwickelt wurde. Innerhalb von nur 28 GPU-Stunden durchsuchte das System 2,4 Millionen stabile Kristalle und identifizierte 68.000 potenzielle Supraleiter, womit es eine Forschungseffizienz erreichte, die weit über die Ergebnisse jahrhundertelanger menschlicher Forschung hinausgeht.
Jahrelang stützte sich die Suche nach Supraleitern auf einen „Kochbuch“-Ansatz – das Testen verschiedener Elementkombinationen durch Versuch und Irrtum. Diese Methode wies eine sehr geringe Erfolgsquote auf und hing oft von Zufallsentdeckungen ab. Um dies zu ändern, entwickelte das Forschungsteam eine Architektur mit „konvergenter Expertise“ und stattete ElementsClaw mit einzigartigen Forschungsfähigkeiten aus: ein integriertes geometrisches Deep-Graph-Neuralnetzwerk mit einer Milliarde Parametern, das dreidimensionale Kristallstrukturen präzise interpretiert, kombiniert mit einem großen Sprachmodell, das es der KI ermöglicht, selbstständig Fachliteratur zu lesen, auf Daten zuzugreifen und bei der Entscheidungsfindung zu helfen.

Dieses KI-System ist nicht nur ein leistungsstarkes Werkzeug, um „die Nadel im Heuhaufen zu finden“ – es verfügt auch über Fähigkeiten zur Selbstevolution. Während der experimentellen Validierung gelang es den Forschern, vier völlig neue, der Menschheit bisher unbekannte Supraleiter zu synthetisieren. Jede Entdeckung verdeutlichte unterschiedliche logische Wege, die die KI eingeschlagen hatte – von der Neubewertung vergessener Datenbankstrukturen über die Korrektur früherer Rechenfehler bis hin zur Verallgemeinerung anhand struktureller Motive. ElementsClaw demonstrierte damit einen Sprung vom „unterstützten Urteilsvermögen“ zum „aktiven Design“ in der Materialwissenschaft.
Obwohl die kritischen Temperaturen dieser neu entdeckten Materialien noch nicht Raumtemperatur erreicht haben, liegt ihr Kernwert in der Validierung des Einsatzes von KI-Agenten in diesem Bereich. Im Vergleich zur natürlichen Trefferquote von etwa 3 % bei supraleitenden Materialien verbesserte sich die Empfehlungsgenauigkeit von ElementsClaw um eine Größenordnung.
Verwandter Artikel
AliVideo stellt Wan3.0 vor und liefert ultra-lange Video-Generierung sowie multidimensionale Konsistenz
Am 24. August stellte Alibaba Wan3.0 vor, sein neuestes großes Video-Generierungsmodell. Diese Veröffentlichung stellt einen bedeutenden Fortschritt in Alibabas Videotechnologie dar und bietet erhebliche Verbesserungen in Bezug auf Dauer, universelle
MiniMax-Großmodell spricht Namen falsch aus – Xiyu Technology: Unzureichendes Training nach bestimmten Token
MiniMax hat kürzlich einen technischen Bericht veröffentlicht, der detailliert erläutert, warum seine M2-Modellserie Schwierigkeiten hatte, spezifische Namen wie „Ma Jiaqi“ korrekt zu generieren. Dieser scheinbare Fehler hebt einen systemischen Mange
Das Nvidia-H200-Geschäft in China übersteht den Trump-Xi-Gipfel, jedoch nicht wie erwartet.
Präsident Trump reiste nach Peking, wobei Jensen Huang in letzter Minute der Delegation beitrat und zwei Tage später mit vagen Äußerungen zu möglichen Entwicklungen bei Chipexporten abreiste. Es kam zu keinem Deal. Seit Trump im Dezember 2025 den Ver
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
In der Physik gilt die Suche nach Supraleitern seit langem als ein jahrhundertelanges Streben nach dem „Heiligen Gral“. Vor kurzem erhielt dieses traditionelle Forschungsgebiet einen leistungsstarken KI-Partner – einen Agenten namens „ElementsClaw“ (Elemental Crab), der speziell für die Entdeckung supraleitender Materialien entwickelt wurde. Innerhalb von nur 28 GPU-Stunden durchsuchte das System 2,4 Millionen stabile Kristalle und identifizierte 68.000 potenzielle Supraleiter, womit es eine Forschungseffizienz erreichte, die weit über die Ergebnisse jahrhundertelanger menschlicher Forschung hinausgeht.
Jahrelang stützte sich die Suche nach Supraleitern auf einen „Kochbuch“-Ansatz – das Testen verschiedener Elementkombinationen durch Versuch und Irrtum. Diese Methode wies eine sehr geringe Erfolgsquote auf und hing oft von Zufallsentdeckungen ab. Um dies zu ändern, entwickelte das Forschungsteam eine Architektur mit „konvergenter Expertise“ und stattete ElementsClaw mit einzigartigen Forschungsfähigkeiten aus: ein integriertes geometrisches Deep-Graph-Neuralnetzwerk mit einer Milliarde Parametern, das dreidimensionale Kristallstrukturen präzise interpretiert, kombiniert mit einem großen Sprachmodell, das es der KI ermöglicht, selbstständig Fachliteratur zu lesen, auf Daten zuzugreifen und bei der Entscheidungsfindung zu helfen.

Dieses KI-System ist nicht nur ein leistungsstarkes Werkzeug, um „die Nadel im Heuhaufen zu finden“ – es verfügt auch über Fähigkeiten zur Selbstevolution. Während der experimentellen Validierung gelang es den Forschern, vier völlig neue, der Menschheit bisher unbekannte Supraleiter zu synthetisieren. Jede Entdeckung verdeutlichte unterschiedliche logische Wege, die die KI eingeschlagen hatte – von der Neubewertung vergessener Datenbankstrukturen über die Korrektur früherer Rechenfehler bis hin zur Verallgemeinerung anhand struktureller Motive. ElementsClaw demonstrierte damit einen Sprung vom „unterstützten Urteilsvermögen“ zum „aktiven Design“ in der Materialwissenschaft.
Obwohl die kritischen Temperaturen dieser neu entdeckten Materialien noch nicht Raumtemperatur erreicht haben, liegt ihr Kernwert in der Validierung des Einsatzes von KI-Agenten in diesem Bereich. Im Vergleich zur natürlichen Trefferquote von etwa 3 % bei supraleitenden Materialien verbesserte sich die Empfehlungsgenauigkeit von ElementsClaw um eine Größenordnung.
AliVideo stellt Wan3.0 vor und liefert ultra-lange Video-Generierung sowie multidimensionale Konsistenz
Am 24. August stellte Alibaba Wan3.0 vor, sein neuestes großes Video-Generierungsmodell. Diese Veröffentlichung stellt einen bedeutenden Fortschritt in Alibabas Videotechnologie dar und bietet erhebliche Verbesserungen in Bezug auf Dauer, universelle
MiniMax-Großmodell spricht Namen falsch aus – Xiyu Technology: Unzureichendes Training nach bestimmten Token
MiniMax hat kürzlich einen technischen Bericht veröffentlicht, der detailliert erläutert, warum seine M2-Modellserie Schwierigkeiten hatte, spezifische Namen wie „Ma Jiaqi“ korrekt zu generieren. Dieser scheinbare Fehler hebt einen systemischen Mange
Das Nvidia-H200-Geschäft in China übersteht den Trump-Xi-Gipfel, jedoch nicht wie erwartet.
Präsident Trump reiste nach Peking, wobei Jensen Huang in letzter Minute der Delegation beitrat und zwei Tage später mit vagen Äußerungen zu möglichen Entwicklungen bei Chipexporten abreiste. Es kam zu keinem Deal. Seit Trump im Dezember 2025 den Ver











