Maison
L'IA met fin à une course à la supraconductivité qui durait depuis un siècle et identifie quatre nouveaux matériaux en 28 heures
En physique, la recherche de supraconducteurs est depuis longtemps considérée comme une quête du « Saint Graal » qui dure depuis un siècle. Récemment, ce domaine traditionnel s’est vu doté d’un puissant collaborateur issu de l’IA : un agent baptisé « ElementsClaw » (Elemental Crab), spécialement conçu pour découvrir des matériaux supraconducteurs. En seulement 28 heures de calcul sur GPU, le système a analysé 2,4 millions de cristaux stables et identifié 68 000 supraconducteurs potentiels, atteignant ainsi une efficacité de recherche bien supérieure à celle de plusieurs siècles d’exploration humaine.
Pendant des années, la recherche de supraconducteurs s’est appuyée sur une approche de type « recette » : tester différentes combinaisons d’éléments par essais et erreurs. Cette méthode présentait un taux de réussite très faible et reposait souvent sur des découvertes fortuites. Pour changer cela, l’équipe de recherche a développé une architecture dite d’« expertise convergente », dotant ElementsClaw de capacités de recherche uniques : un réseau neuronal profond à graphe géométrique intégré de 1 milliard de paramètres, capable d’interpréter avec précision les structures cristallines tridimensionnelles, associé à un modèle linguistique de grande envergure qui permet à l’IA de lire de manière autonome la littérature scientifique, d’accéder aux données et de contribuer à la prise de décision.

Ce système d’IA n’est pas seulement un outil puissant pour « trouver une aiguille dans une botte de foin » : il dispose également de capacités d’auto-évolution. Au cours de la validation expérimentale, les chercheurs ont réussi à synthétiser quatre supraconducteurs entièrement nouveaux, jusqu’alors inconnus de l’humanité. Chaque découverte a mis en évidence différents chemins logiques empruntés par l’IA, allant de la réévaluation de structures de bases de données oubliées à la correction d’erreurs de calcul passées, en passant par la généralisation à partir de motifs structurels. ElementsClaw a ainsi démontré un bond en avant, passant du « jugement assisté » à la « conception active » en science des matériaux.
Bien que les températures critiques de ces matériaux nouvellement découverts n’aient pas encore atteint la température ambiante, leur valeur fondamentale réside dans la validation de l’application d’agents d’IA dans ce domaine. Par rapport au taux de réussite naturel d’environ 3 % pour les matériaux supraconducteurs, la précision des recommandations d’ElementsClaw s’est améliorée d’un ordre de grandeur.
Article connexe
AliVideo dévoille Wan3.0, offrant une génération de vidéos ultra-longues et une cohérence multidimensionnelle
Le 24 août, Alibaba a dévoilé Wan3.0, son dernier modèle de génération vidéo à grande échelle. Cette version représente une avancée majeure pour la technologie vidéo d’Alibaba, offrant des améliorations significatives en termes de durée, de création
MiniMax Grand Modèle Mal Prononce les Noms - Xiyu Technology : Entraînement Insuffisant Après des Jetons Spécifiques
MiniMax a récemment publié un rapport technique détaillant les raisons pour lesquelles ses modèles de la série M2 ont eu du mal à générer avec précision des noms spécifiques tels que « Ma Jiaqi ». Cette erreur apparente met en lumière une faille syst
L'accord entre Nvidia et la Chine concernant le H200 survit au sommet Trump-Xi, mais pas comme prévu
Le président Trump s’est rendu à Pékin, Jensen Huang ayant rejoint la délégation à la dernière minute, et est reparti deux jours plus tard en se contentant de remarques vagues sur d’éventuelles évolut
Recommandations de sujets spéciaux liés
commentaires (0)
En physique, la recherche de supraconducteurs est depuis longtemps considérée comme une quête du « Saint Graal » qui dure depuis un siècle. Récemment, ce domaine traditionnel s’est vu doté d’un puissant collaborateur issu de l’IA : un agent baptisé « ElementsClaw » (Elemental Crab), spécialement conçu pour découvrir des matériaux supraconducteurs. En seulement 28 heures de calcul sur GPU, le système a analysé 2,4 millions de cristaux stables et identifié 68 000 supraconducteurs potentiels, atteignant ainsi une efficacité de recherche bien supérieure à celle de plusieurs siècles d’exploration humaine.
Pendant des années, la recherche de supraconducteurs s’est appuyée sur une approche de type « recette » : tester différentes combinaisons d’éléments par essais et erreurs. Cette méthode présentait un taux de réussite très faible et reposait souvent sur des découvertes fortuites. Pour changer cela, l’équipe de recherche a développé une architecture dite d’« expertise convergente », dotant ElementsClaw de capacités de recherche uniques : un réseau neuronal profond à graphe géométrique intégré de 1 milliard de paramètres, capable d’interpréter avec précision les structures cristallines tridimensionnelles, associé à un modèle linguistique de grande envergure qui permet à l’IA de lire de manière autonome la littérature scientifique, d’accéder aux données et de contribuer à la prise de décision.

Ce système d’IA n’est pas seulement un outil puissant pour « trouver une aiguille dans une botte de foin » : il dispose également de capacités d’auto-évolution. Au cours de la validation expérimentale, les chercheurs ont réussi à synthétiser quatre supraconducteurs entièrement nouveaux, jusqu’alors inconnus de l’humanité. Chaque découverte a mis en évidence différents chemins logiques empruntés par l’IA, allant de la réévaluation de structures de bases de données oubliées à la correction d’erreurs de calcul passées, en passant par la généralisation à partir de motifs structurels. ElementsClaw a ainsi démontré un bond en avant, passant du « jugement assisté » à la « conception active » en science des matériaux.
Bien que les températures critiques de ces matériaux nouvellement découverts n’aient pas encore atteint la température ambiante, leur valeur fondamentale réside dans la validation de l’application d’agents d’IA dans ce domaine. Par rapport au taux de réussite naturel d’environ 3 % pour les matériaux supraconducteurs, la précision des recommandations d’ElementsClaw s’est améliorée d’un ordre de grandeur.
AliVideo dévoille Wan3.0, offrant une génération de vidéos ultra-longues et une cohérence multidimensionnelle
Le 24 août, Alibaba a dévoilé Wan3.0, son dernier modèle de génération vidéo à grande échelle. Cette version représente une avancée majeure pour la technologie vidéo d’Alibaba, offrant des améliorations significatives en termes de durée, de création
MiniMax Grand Modèle Mal Prononce les Noms - Xiyu Technology : Entraînement Insuffisant Après des Jetons Spécifiques
MiniMax a récemment publié un rapport technique détaillant les raisons pour lesquelles ses modèles de la série M2 ont eu du mal à générer avec précision des noms spécifiques tels que « Ma Jiaqi ». Cette erreur apparente met en lumière une faille syst
L'accord entre Nvidia et la Chine concernant le H200 survit au sommet Trump-Xi, mais pas comme prévu
Le président Trump s’est rendu à Pékin, Jensen Huang ayant rejoint la délégation à la dernière minute, et est reparti deux jours plus tard en se contentant de remarques vagues sur d’éventuelles évolut











