Poszukiwanie nowych materiałów nadprzewodzących przypomina szukanie igły w stogu siana – a stóg ten liczy miliony możliwych struktur krystalicznych. Chiński gigant technologiczny Alibaba właśnie rzucił na to wyzwanie sztuczną inteligencję. Laboratorium Damo Academy, we współpracy z Uniwersytetem Ludowym w Chinach oraz Chińską Akademią Nauk, opracowało agenta AI o nazwie Elements Claw. Narzędzie to jako pierwsze na świecie służy do automatycznego odkrywania nadprzewodników i już potwierdziło swoją skuteczność – znalazło cztery nieznane wcześniej związki, które przeszły pomyślnie weryfikację laboratoryjną.
Dlaczego nadprzewodniki są tak ważne
Nadprzewodniki to materiały, które po schłodzeniu do odpowiednio niskiej temperatury przewodzą prąd elektryczny bez jakiegokolwiek oporu. Ba, potrafią też całkowicie wypierać pole magnetyczne ze swojego wnętrza. Gdyby udało się je powszechnie stosować w temperaturze pokojowej, zmieniłyby świat. Od sieci elektroenergetycznych bez strat przesyłu, przez superszybkie pociągi magnetyczne, aż po rewolucję w komputerach kwantowych – zakres potencjalnych zastosowań jest ogromny.
Problem w tym, że naukowcy wciąż nie mają pełnej teorii pozwalającej przewidzieć, które materiały staną się nadprzewodnikami. Odkrywanie nowych związków od dekad opiera się na żmudnych eksperymentach metodą prób i błędów. Efekt? W powszechnie używanej bazie SuperCon zgromadzono zaledwie około 2000 znanych materiałów nadprzewodzących. Tymczasem potencjalnych kandydatów są miliony. Tu właśnie wkracza AI.
Jak działa Elements Claw – pierwszy agent AI w branży
Elements Claw to nie jest kolejny chatbot ani asystent do kodowania. Damo Academy zbudowało go jako wyspecjalizowany system, który samodzielnie przeszukuje literaturę naukową, analizuje ogromne zbiory danych strukturalnych i formułuje hipotezy do sprawdzenia w laboratorium. Sercem agenta jest model podstawowy (foundation model) z miliardem parametrów, wytrenowany na 125 milionach struktur molekularnych i krystalicznych.
W ciągu zaledwie 28 godzin pracy na procesorach graficznych Elements Claw przeanalizował 2,4 miliona stabilnych struktur krystalicznych. Spośród nich wytypował około 68 tysięcy kandydatów mogących wykazywać właściwości nadprzewodzące. Kolejne etapy selekcji zawęziły tę pulę do najbardziej obiecujących propozycji, które trafiły do fizycznych testów. Cztery z nich okazały się strzałem w dziesiątkę – to nowe, nieopisane wcześniej nadprzewodniki.
To, co kiedyś zajmowało lata, teraz może być kwestią dni. System nie tylko przyspiesza samo wyszukiwanie, ale też kierunkuje pracę naukowców, wskazując konkretne związki warte fizycznej syntezy i pomiarów.
Szerszy trend: AI wkracza do laboratoriów
Alibaba nie działa w próżni. Ogłoszenie Elements Claw wpisuje się w wyraźny trend przesuwania zastosowań sztucznej inteligencji z generowania tekstu i kodu w stronę prawdziwie naukowych odkryć. Coraz więcej gigantów technologicznych inwestuje w modele, które zamiast pisać artykuły czy programy, potrafią czytać publikacje naukowe, analizować złożone zestawy danych i proponować hipotezy do eksperymentalnej weryfikacji.
W USA Google DeepMind zrewolucjonizował badania nad białkami dzięki systemowi AlphaFold. Microsoft ze swojej strony rozwija narzędzia AI przyspieszające odkrywanie nowych materiałów. Odkrywanie materiałów jest uważane za jeden z najbardziej obiecujących obszarów zastosowania AI w nauce, ponieważ wymaga oceny ogromnej liczby potencjalnych kandydatów, a maszyny robią to nieporównywalnie szybciej niż człowiek.
Elements Claw pokazuje, że chińska scena badawcza również stawia na ten kierunek. Połączenie wiedzy akademickiej z zasobami obliczeniowymi wielkiej technologii może znacząco skrócić cykl od pomysłu do laboratoryjnego przełomu.
Czy to oznacza, że wkrótce laboratoria materiałowe będą w pełni zautomatyzowane? Na razie jest za wcześnie na taką prognozę. Jedno jest pewne – agent taki jak Elements Claw wyznacza nowy standard szybkości i skali w poszukiwaniu nadprzewodników. Każdy kolejny odkryty związek przybliża nas do świata, w którym energia płynie bez strat, a pociągi suną w próżni. A to przecież dopiero początek drogi.

