Elements Claw

Elements Claw – 阿里达摩院推出的超导材料发现 AI 智能体

Elements Claw：开启超导材料发现新纪元

由阿里巴巴达摩院携手中国人民大学、中国科学院大学共同打造的 Elements Claw，堪称材料科学领域的破冰之举。它不仅是行业内首个专为超导材料发现量身定制的 AI 智能体，更以前所未有的“专通融合”架构，将 10 亿参数的原子基础模型 Elements 与强大的大型语言模型（LLM）深度结合，构建了一个集文献挖掘、性质预测、实验方案设计于一体的全流程自动化材料筛选利器。

Elements Claw 的惊艳之处在于其超高的效率与精度。借助该智能体，研究人员仅耗费 28 个 GPU 小时，便完成了对 240 万个晶体结构的详尽筛选，从中预测出多达 6.8 万个极具潜力的超导候选材料，并成功通过实验验证了 4 种全新的超导材料，这无疑是 AI 在前沿科学探索领域的一大里程碑。

Elements Claw 的核心能力概览

• 超导临界温度的精准预判：基于 Elements-T 模型，Elements Claw 能够以毫厘不差的精度预测材料的超导临界温度（Tc），平均误差控制在惊人的 1K 以内。
• 超导性的二元判别：通过 Elements-C 模型，智能体能够高效判断材料是否具备超导特性，其 AUC 值高达 0.996，准确率令人瞩目。
• 热力学稳定性的审慎评估：Elements-E 模型则扮演着“安全卫士”的角色，负责评估候选材料的合成可行性与结构稳定性，确保研究方向的可靠性。
• 从零开始的晶体结构构筑：Elements-G 模型赋予了智能体强大的晶体结构生成能力，支持基于特定基元（motif）的引导，甚至能够探索全新的材料相。
• 海量文献的智能梳理：LLM 的强大文本理解与生成能力，使得 Elements Claw 能够自动检索、深度阅读并精准提炼海量科学文献中的关键信息，挖掘那些隐藏在零散数据中的宝贵实验知识。
• 可执行的实验方案设计：综合运用数值计算的严谨与语义推理的灵活性，智能体能够输出切实可行、易于执行的合成路径和验证策略，为实验研究铺平道路。

Elements Claw 的技术内核解析

• 基石：原子基础模型 Elements：这款拥有 10 亿参数的模型，基于超过 1.25 亿个分子和晶体结构数据进行预训练。它采用了先进的 EquiformerV2 等变架构，实现了对周期晶体和非周期分子的高度统一表示。其训练数据集不仅覆盖了绝大多数（85.1%）的周期晶体，也包含了 14.9% 的非周期分子，并且囊括了平衡态稳定结构与高能量非稳定构型，以此确保模型能够学习到跨越化学领域的鲁棒性表示。
• 策略：多任务预训练的智慧：Elements 模型采用了精妙的多任务预训练策略。对于平衡态输入，它执行坐标/晶格参数的去噪任务；而对于非平衡态输入，则同步预测体系能量与原子力。这一策略使得模型不仅掌握了稳定物质的静态结构特征，更能深刻理解驱动结构演化的动态力场。
• 架构：专通融合 Agent 的协同：Elements Claw 的核心在于其“专通融合 Agent”架构。其中，专有模型层（Elements-T/C/E/G）负责原子尺度的精密数值计算；而通用 LLM 层则承担高层语义推理、文献整合以及关键决策规划。两者通过函数调用机制紧密协作，由 LLM 精心编排任务链，并能自适应地组合内部工具与外部资源。
• 进化：自我驱动的技能扩展：Elements Claw 具备令人惊叹的“自我进化”能力。它能够从文献中洞察新的科学见解，并通过微调 Elements 模型自主创建新的技能工具（例如 Elements-C）。这种“发现需求—制造工具—验证效果”的闭环能力，极大地扩展了智能体的应用边界。

如何驾驭 Elements Claw 的强大力量

• 畅游开放数据库：科研人员可访问 https://science.damo-academy.com，免费获取 Elements Claw 预测的 240 万个稳定晶体结构的完整数据。
• 设定清晰的研究目标：在系统中输入您的探索需求，例如“在 Hf-Zr-Re 三元体系中筛选出临界温度大于 4K 的超导候选材料”。
• 启动智能筛选引擎：Elements Claw 将自动调用 Elements-T 进行高通量性质预测，同时 LLM 将同步检索并整合相关的文献证据。
• 获取高价值候选清单：系统将输出一份高置信度的候选材料列表，并附带预测的临界温度、稳定性指标、合成可行性以及详实的文献支持。
• 进行精准的实验验证：依据 Agent 推荐的合成方案，在实验室中制备目标材料，并测试其电阻-温度曲线和磁化率，完成最终的科学验证。

Elements Claw 的核心竞争力

• 效率的性突破：在短短 28 个 GPU 小时内，完成了传统方法需要数十年才能完成的筛选工作量，覆盖了 240 万个晶体结构。
• 精度的行业领先：超导性判断 AUC 值高达 0.996，Tc 预测的平均绝对误差（MAE）仅为 0.992K，远超现有基线水平。
• 自主的自我进化能力：无需人工干预开发新工具，Agent 能够自主从文献中学习并创造新的技能。
• 闭环的真实落地：首批由 AI 设计的 4 种材料均成功通过实验验证，实现了从预测到合成的完整闭环。
• 数据的全球共享：完整的预测数据库向全球学术界免费开放，旨在促进后续的深入挖掘与广泛协作。

Elements Claw 的项目入口

• 官方项目网站：https://developer.damo-academy.com/material
• 技术论文存档：https://arxiv.org/pdf/2604.23758

Elements Claw 与同类产品的深度对比

Elements Claw 的广阔应用前景

• 超导材料的加速发现：能够快速锁定高临界温度超导材料的候选者，极大缩短了传统“试错式”实验研究的周期。
• 固态电池电解质的创新开发：能够预测离子导体材料的稳定性和传输性能，为下一代电池技术的研发注入新动力。
• 多相催化剂的智能设计：能够挖掘具备高效催化活性的新型化合物，有力推动化工与能源转化领域的进步。
• 热电材料的精准探索：能够筛选出兼具优异塞贝克系数与低热导率的能源转换材料。
• 数据库知识的智能补充：能够自动从分散的文献中发掘并整合那些被主流数据库遗漏的已知功能材料信息。