Warum Supraleiter so schwer zu finden sind
Seit knapp einem Jahrhundert suchen Physiker nach Materialien, die Strom ohne jeden Widerstand leiten. Das Problem: Niemand versteht die zugrunde liegende Physik wirklich komplett. Deshalb basiert die Suche bis heute im Wesentlichen auf Ausprobieren. Die wichtigste Datenbank weltweit, SuperCon, enthält gerade einmal rund 2000 bekannte Supraleiter. Das sind akkumulierte Ergebnisse aus Jahrzehnten mühsamer Laborarbeit. Zudem ist die Trefferquote extrem niedrig. Für jedes Material, das sich als supraleitend erweist, stehen hunderte gescheiterte Versuche.
Wie ElementsClaw funktioniert
Alibabas DAMO Academy hat nun einen KI-Agenten namens ElementsClaw vorgestellt, der diesen Flaschenhals durchbricht. Zusammen mit der Renmin-Universität China und der Universität der Chinesischen Akademie der Wissenschaften entwickelte das Team ein System, das zwei Welten verbindet. Ein spezialisiertes Atom-Modell mit einer Milliarde Parametern namens Elements übernimmt die numerische Berechnung. Es wurde auf 125 Millionen Molekül- und Kristallstrukturen vortrainiert und erreicht bei der Klassifikation von Supraleitern einen AUC-Wert von 0,996. Die Vorhersage der kritischen Temperatur liegt im Durchschnitt nur ein Kelvin daneben.
Zudem nutzt ElementsClaw große Sprachmodelle für semantisches Schlussfolgern. Das System kann Fachliteratur durchsuchen, Synthese-Machbarkeit bewerten und sogar eigene Vorhersage-Tools erstellen, wenn es neue Hinweise in der Literatur findet. Diese Selbst-Evolutions-Fähigkeit unterscheidet es von reinen Vorhersage-Modellen.
2,4 Millionen Kristalle in 28 Stunden
In der Praxis durchsuchte ElementsClaw 2,4 Millionen stabile Kristallstrukturen in nur 28 GPU-Stunden. Dabei identifizierte das System 68.000 potenzielle Supraleiterkandidaten. Zum Vergleich: Die gesamte SuperCon-Datenbank umfasst lediglich 2000 Einträge. Der KI-Agent erweitert den bekannten Suchraum also um Größenordnungen.
Besonders beeindruckend: ElementsClaw fand 66 bereits experimentell verifizierte Supraleiter, die gar nicht in der SuperCon-Datenbank standen. Das zeigt, dass das System reale Muster erkennt und nicht nur bekanntes Wissen reproduziert.
Vier komplett neue Supraleiter bestätigt
Das Forschungsteam wählte die vielversprechendsten Kandidaten aus und synthetisierte sie im Labor. Vier komplett neue supraleitende Materialien wurden experimentell bestätigt:
- Zr3ScRe8 mit einer kritischen Temperatur von 6,5 Kelvin. Dieses Material wurde über motivgeleitete Struktur-Vorhersage gefunden. Ähnlich wie OpenAIs Dreaming-V3-Architektur zeigt sich hier, wie KI-Systeme zunehmend in der Lage sind, eigenständig Muster zu erkennen und neues Wissen zu generieren.
- HfZrRe4 mit 5,9 Kelvin. Hierbei handelte es sich um ein komplett vom KI-Agenten neu entworfenes Material.
- Zr4VRe7 mit 3,5 Kelvin. Die KI korrigierte dabei einen Konfigurationsfehler in der Datenbank und bestätigte das Material anschließend.
- Hf21Re25 mit 2,5 Kelvin. Dieses Material schlummerte bereits in existierenden Datenbanken, war aber bisher übersehen worden.
Rong Yu, Leiter für Wissenschaftliche Intelligenz bei der DAMO Academy, betonte, dass es sich um die erste Gruppe von Supraleitern handelt, die von einem KI-Agenten entdeckt und verifiziert wurden.
Was das für die Materialforschung bedeutet
Die Entdeckung markiert einen Wendepunkt für die Materialwissenschaft. Bisher waren KI-Systeme in diesem Bereich entweder reine Vorhersage-Tools oder Generatoren, die Millionen von Kandidaten ausspuckten, ohne zu entscheiden, welcher sich für echte Experimente eignet. ElementsClaw löst genau dieses Entscheidungsproblem. Es kombiniert numerische Präzision auf atomarer Ebene mit semantischem Schlussfolgern auf Makro-Ebene.
Huang Wenbing, Associate Professor an der Renmin-Universität, sieht Potenzial weit über Supraleiter hinaus. Die Methode ließe sich auf Festkörperbatterie-Elektrolyte, Multiphasen-Katalysatoren und thermoelektrische Materialien übertragen.
DAMO Academy hat die Datenbank mit 2,4 Millionen stabilen Kristallen öffentlich zugänglich gemacht. Forscher weltweit können nun weitere Kandidaten minen und verifizieren. Die Arbeit wurde auf der ICML 2026 als Invited Talk angenommen und ist als arXiv-Publikation verfügbar.
KI als Forschungspartner, nicht nur als Werkzeug
Die Vierfach-Entdeckung verdeutlicht einen wichtigen Trend: KI-Agenten werden von passiven Werkzeugen zu aktiven Forschungspartnern. Ähnlich wie Anthonys Claude Science die wissenschaftliche Forschung als Plattform organisiert, wandelt sich auch ElementsClaw vom reinen Tool zum orchestrierenden Forschungspartner. ElementsClaw entscheidet selbst, was es vorhersagt, welche Literatur es durchsucht, wann es neue Tools kreiert und wann es Kandidaten aussortiert. Diese Autonomie war bisher unbekannt in der Materialforschung.
Allerdings bleiben die kritischen Temperaturen aller vier entdeckten Materialien im einstelligen Kelvin-Bereich. Raumtemperatur-Supraleiter sind noch nicht in Sicht. Dennoch zeigt die Arbeit, dass KI-Agenten den Suchraum drastisch erweitern und die Zeit von der Hypothese zum Experiment massiv verkürzen können.
