آکادمی DAMO علی‌بابا می‌گوید عامل هوش مصنوعی که توسعه داده است به‌طور خودکار چهار ماده ابررسانا جدید کشف کرده است - و همه آنها متعاقباً با آزمایش فیزیکی تأیید شدند، که یکی از برجسته‌ترین تظاهرات هوش مصنوعی است که به‌عنوان یک محقق خود هدایت‌گر به جای یک ابزار پیش‌بینی منفعل عمل می‌کند.

بر اساس پوشش South China Morning Post و Pandaily در اوایل ژوئیه 2026، عاملی که Elements Claw نام داشت، عملیات اکتشاف را تقریباً در 28 ساعت GPU تکمیل کرد. نتیجه که توسط MSN و رسانه خبری چینی هوش مصنوعی AIBase نیز گزارش شد، نشان می‌دهد که کاندیداها سیستم‌های هوش مصنوعی را برای آزمایش در آینده آماده می‌کنند. ابتکار عمل در سراسر خط لوله کشف برای [اخبار فوری هوش مصنوعی] (https://aibuzzwire.news) در مورد چگونگی تغییر شکل دادن تحقیقات علمی توسط عوامل مستقل، نتیجه DAMO یک نقطه داده قابل توجه است.

یک نماینده، نه فقط یک مدل

تمایزی که DAMO بر آن تکیه می کند، بین یک مدل پیش بینی کننده و یک عامل است. سیستم‌های سنتی هوش مصنوعی برای مواد معمولاً فهرستی از ترکیبات امیدوارکننده را تولید می‌کنند و آنها را برای سنتز و آزمایش در اختیار محققان انسانی قرار می‌دهند. Elements Claw به‌عنوان مستقل‌تر عمل می‌کند و مراحل یک گردش کار کشف - فرضیه‌سازی، ارزیابی و فیلتر کردن نامزدها - را با دخالت محدود انسانی هماهنگ می‌کند.

این قاب بندی اهمیت دارد زیرا مرز هوش مصنوعی در علم از پیش بینی ایستا به سمت سیستم های عاملی تغییر کرده است که می توانند وظایف چند مرحله ای را برنامه ریزی کنند، ابزارهای خارجی را فراخوانی کنند و رویکرد خود را بر اساس بازخورد اصلاح کنند. آکادمی DAMO، بازوی تحقیقات بنیادی علی‌بابا، Elements Claw را به عنوان شواهدی قرار داده است که نشان می‌دهد این تغییر می‌تواند نتایج واقعی و تجربی تایید شده را به جای نتایج محاسباتی صرف ارائه دهد.

چرا ابررساناها

مواد ابررسانا - که الکتریسیته را با مقاومت صفر زیر دمای بحرانی هدایت می کنند - از جمله اهداف مورد علاقه در علم مواد هستند. آن‌ها فناوری‌هایی از ماشین‌های MRI و شتاب‌دهنده‌های ذرات گرفته تا محاسبات کوانتومی و انتقال انرژی بدون تلفات را پایه‌گذاری می‌کنند. یافتن موارد جدید از طریق آزمون و خطای مرسوم آهسته و پرهزینه است، به همین دلیل است که این میدان به یک مورد استفاده برای کشف با کمک هوش مصنوعی تبدیل شده است.

این وعده ساده است: اگر هوش مصنوعی بتواند فضای عظیمی از ترکیبات احتمالی را به تعداد انگشت شماری ارزش سنتز محدود کند، می تواند جدول زمانی تحقیقات را از سال ها به روزها فشرده کند. ادعای DAMO مبنی بر اینکه چهار اکتشاف آن با آزمایش تأیید شده اند - به جای پیش بینی های نظری باقی مانده - اخطار مهمی است که کشف هوش مصنوعی معتبر را از تبلیغات تبلیغاتی جدا می کند.

میدانی که به سرعت در حال حرکت است

نتیجه DAMO در میان موجی از کشف مواد مبتنی بر هوش مصنوعی به دست می‌آید. در سال 2023، پروژه GNoME Google DeepMind تقریباً 2.2 میلیون ساختار کریستالی جدید و تقریباً 380000 ماده پایدار را شناسایی کرد و یافته ها را در Nature منتشر کرد و پایگاه داده را در اختیار سایر محققان قرار داد. از آن زمان، آزمایشگاه‌های متعددی به سمت سیستم‌هایی سوق داده‌اند که فقط ساختارها را پیش‌بینی نمی‌کنند، بلکه فعالانه به طراحی و اعتبارسنجی آنها کمک می‌کنند. Elements Claw نشان دهنده آخرین و یکی از تهاجمی ترین تلاش ها برای قرار دادن یک عامل مستقل در مرکز آن حلقه است.

بر اساس گزارش‌ها، آنچه کار DAMO را متمایز می‌کند، ترکیب سرعت و تأیید است: حجم زیادی از کاوش محاسباتی که تقریباً در یک روز از زمان GPU فشرده می‌شود، و به دنبال آن تأیید فیزیکی که مواد پیش‌بینی‌شده واقعاً مطابق انتظار عمل می‌کنند.

تصویر بزرگتر

برای علی بابا، نتیجه یک نشانگر اعتبار برای جاه طلبی های تحقیقاتی هوش مصنوعی آن در لحظه ای است که رقابت بین آزمایشگاه های هوش مصنوعی چینی و غربی در حال تشدید است. آکادمی DAMO وسیله‌ای برای شرط‌بندی‌های افق طولانی‌تر این شرکت بوده است، و کشف مواد سرفصل، جایگاه علمی آن را بیشتر می‌کند، حتی با وجود اینکه بازار تجاری هوش مصنوعی تحت سلطه چت‌بات‌ها و ابزارهای کدنویسی است.

برای جامعه تحقیقاتی گسترده‌تر، سوال این است که آیا عوامل اکتشاف مستقل مانند Elements Claw می‌توانند فراتر از یک نمایش مشهور به یک ابزار قابل اعتماد و روزمره تبدیل شوند یا خیر. اگر آنها بتوانند، گلوگاه در علم مواد می‌تواند از پیدا کردن ترکیبات جدید بهسنتز و آزمایش آنها به اندازه کافی سریع تغییر کند تا با آنچه هوش مصنوعی پیشنهاد می‌کند همگام شود. در هر صورت، ایده یک عامل هوش مصنوعی که اکتشافات تایید شده را به جای پیشنهادات ارسال می کند، به سرعت از حدس و گمان به واقعیت می رود.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →