Lar
IA encerra corrida de um século pela supercondutividade e identifica quatro novos materiais em 28 horas
Na física, a busca por supercondutores há muito tempo é vista como uma jornada de um século em busca do “Santo Graal”. Recentemente, esse campo tradicional ganhou um poderoso colaborador de IA — um agente chamado “ElementsClaw” (Elemental Crab), desenvolvido especificamente para descobrir materiais supercondutores. Em apenas 28 horas de GPU, o sistema analisou 2,4 milhões de cristais estáveis e identificou 68 mil possíveis supercondutores, alcançando uma eficiência de pesquisa muito além do que séculos de exploração humana conseguiram.
Durante anos, a busca por supercondutores baseou-se em uma abordagem do tipo “receita de cozinha” — testando diferentes combinações de elementos por meio de tentativa e erro. Esse método apresentava uma taxa de sucesso muito baixa e, muitas vezes, dependia de descobertas acidentais. Para mudar isso, a equipe de pesquisa desenvolveu uma arquitetura de “especialização convergente”, dotando o ElementsClaw de capacidades de pesquisa únicas: uma rede neural de grafo profundo geométrico integrada com 1 bilhão de parâmetros, que interpreta com precisão estruturas cristalinas tridimensionais, combinada com um grande modelo de linguagem que permite que a IA leia literatura de forma autônoma, acesse dados e auxilie na tomada de decisões.

Esse sistema de IA não é apenas uma ferramenta poderosa para “encontrar uma agulha no palheiro” — ele também possui capacidades de autoevolução. Durante a validação experimental, os pesquisadores sintetizaram com sucesso quatro supercondutores totalmente novos, até então desconhecidos pela humanidade. Cada descoberta revelou diferentes caminhos lógicos seguidos pela IA, desde a reavaliação de estruturas de bancos de dados esquecidas, passando pela correção de erros computacionais anteriores, até a generalização a partir de motivos estruturais. O ElementsClaw demonstrou um salto do “julgamento assistido” para o “projeto ativo” na ciência dos materiais.
Embora as temperaturas críticas desses materiais recém-descobertos ainda não tenham atingido a temperatura ambiente, seu valor principal reside na validação da aplicação de agentes de IA nesse campo. Em comparação com a taxa de acerto natural de cerca de 3% para materiais supercondutores, a precisão das recomendações do ElementsClaw melhorou em uma ordem de magnitude.
Artigo relacionado
A AliVideo revela o Wan3.0, oferecendo geração de vídeos ultra-longos e consistência multidimensional
Em 24 de agosto, a Alibaba apresentou o Wan3.0, seu mais recente modelo de geração de vídeo em larga escala. Este lançamento representa um grande avanço na tecnologia de vídeo da Alibaba, proporcionando melhorias significativas na duração, criação un
MiniMax Grande Modelo Erra na Pronúncia de Nomes - Xiyu Technology: Treinamento Insuficiente Após Tokens Específicos
A MiniMax publicou recentemente um relatório técnico detalhando por que seus modelos da série M2 tiveram dificuldades para gerar nomes específicos com precisão, como "Ma Jiaqi". Esse erro aparente destaca uma falha sistêmica no treinamento atual de g
Acordo da Nvidia com a China para o H200 sobrevive à cúpula Trump-Xi, mas não como esperado
O presidente Trump viajou a Pequim com Jensen Huang se juntando à delegação na última hora, partindo dois dias depois com declarações vagas sobre possíveis desenvolvimentos nas exportações de chips. Nenhum acordo se concretizou. Desde que Trump autor
Recomendações de tópicos especiais relacionados
Comentários (0)
Na física, a busca por supercondutores há muito tempo é vista como uma jornada de um século em busca do “Santo Graal”. Recentemente, esse campo tradicional ganhou um poderoso colaborador de IA — um agente chamado “ElementsClaw” (Elemental Crab), desenvolvido especificamente para descobrir materiais supercondutores. Em apenas 28 horas de GPU, o sistema analisou 2,4 milhões de cristais estáveis e identificou 68 mil possíveis supercondutores, alcançando uma eficiência de pesquisa muito além do que séculos de exploração humana conseguiram.
Durante anos, a busca por supercondutores baseou-se em uma abordagem do tipo “receita de cozinha” — testando diferentes combinações de elementos por meio de tentativa e erro. Esse método apresentava uma taxa de sucesso muito baixa e, muitas vezes, dependia de descobertas acidentais. Para mudar isso, a equipe de pesquisa desenvolveu uma arquitetura de “especialização convergente”, dotando o ElementsClaw de capacidades de pesquisa únicas: uma rede neural de grafo profundo geométrico integrada com 1 bilhão de parâmetros, que interpreta com precisão estruturas cristalinas tridimensionais, combinada com um grande modelo de linguagem que permite que a IA leia literatura de forma autônoma, acesse dados e auxilie na tomada de decisões.

Esse sistema de IA não é apenas uma ferramenta poderosa para “encontrar uma agulha no palheiro” — ele também possui capacidades de autoevolução. Durante a validação experimental, os pesquisadores sintetizaram com sucesso quatro supercondutores totalmente novos, até então desconhecidos pela humanidade. Cada descoberta revelou diferentes caminhos lógicos seguidos pela IA, desde a reavaliação de estruturas de bancos de dados esquecidas, passando pela correção de erros computacionais anteriores, até a generalização a partir de motivos estruturais. O ElementsClaw demonstrou um salto do “julgamento assistido” para o “projeto ativo” na ciência dos materiais.
Embora as temperaturas críticas desses materiais recém-descobertos ainda não tenham atingido a temperatura ambiente, seu valor principal reside na validação da aplicação de agentes de IA nesse campo. Em comparação com a taxa de acerto natural de cerca de 3% para materiais supercondutores, a precisão das recomendações do ElementsClaw melhorou em uma ordem de magnitude.
A AliVideo revela o Wan3.0, oferecendo geração de vídeos ultra-longos e consistência multidimensional
Em 24 de agosto, a Alibaba apresentou o Wan3.0, seu mais recente modelo de geração de vídeo em larga escala. Este lançamento representa um grande avanço na tecnologia de vídeo da Alibaba, proporcionando melhorias significativas na duração, criação un
MiniMax Grande Modelo Erra na Pronúncia de Nomes - Xiyu Technology: Treinamento Insuficiente Após Tokens Específicos
A MiniMax publicou recentemente um relatório técnico detalhando por que seus modelos da série M2 tiveram dificuldades para gerar nomes específicos com precisão, como "Ma Jiaqi". Esse erro aparente destaca uma falha sistêmica no treinamento atual de g
Acordo da Nvidia com a China para o H200 sobrevive à cúpula Trump-Xi, mas não como esperado
O presidente Trump viajou a Pequim com Jensen Huang se juntando à delegação na última hora, partindo dois dias depois com declarações vagas sobre possíveis desenvolvimentos nas exportações de chips. Nenhum acordo se concretizou. Desde que Trump autor











