Alibabas DAMO Academy säger att en agent för artificiell intelligens som den utvecklat har autonomt upptäckt fyra nya supraledande material - och att alla därefter verifierades genom fysiska experiment, vilket markerar en av de mest slående demonstrationerna hittills av AI som agerar som en självstyrd forskare snarare än ett passivt prediktionsverktyg.

Agenten, kallad Elements Claw, slutförde upptäcktskörningen på ungefär 28 GPU-timmar, enligt bevakning från South China Morning Post och Pandaily i början av juli 2026. Resultatet, som också rapporterades av MSN och det kinesiska AI-nyhetsutbudet AIBase, antyder testsystem för en framtid som bara finns för AI-modeller. men ta initiativet över hela upptäcktspipelinen. För pågående brytande AI-nyheter om hur autonoma agenter omformar vetenskaplig forskning, är DAMO-resultatet en anmärkningsvärd datapunkt.

En agent, inte bara en modell

Skillnaden DAMO lutar sig mot är mellan en prediktiv modell och en agent. Traditionella AI-för-material-system genererar vanligtvis en lista över lovande föreningar och lämnar dem till mänskliga forskare för syntes och testning. Elements Claw beskrivs som att de fungerar mer självständigt och koordinerar stegen i ett upptäcktsarbetsflöde – att hypotesera, utvärdera och filtrera kandidater – med begränsad mänsklig inblandning.

Den inramningen är viktig eftersom gränsen för AI inom vetenskapen har flyttats från statisk förutsägelse till agentiska system som kan planera flerstegsuppgifter, anropa externa verktyg och förfina sitt tillvägagångssätt baserat på feedback. DAMO Academy, Alibabas grundforskningsgren, har placerat Elements Claw som bevis på att denna förändring kan leverera verkliga, experimentellt bekräftade resultat snarare än rent beräkningsmässiga.

Varför supraledare

Supraledande material - som leder elektricitet med noll motstånd under en kritisk temperatur - är bland de mest eftertraktade målen inom materialvetenskap. De stödjer teknik från MRI-maskiner och partikelacceleratorer till kvantberäkningar och förlustfri kraftöverföring. Att hitta nya är långsamt och dyrt genom konventionell trial-and-error, vilket är anledningen till att fältet har blivit ett stort användningsfall för AI-assisterad upptäckt.

Löftet är enkelt: om AI kan begränsa ett enormt utrymme av möjliga föreningar till en handfull värda att syntetisera, kan det komprimera forskningstidslinjer från år till dagar. DAMO:s påstående att dess fyra upptäckter bekräftades genom experiment - snarare än kvarvarande teoretiska förutsägelser - är den avgörande varningen som skiljer trovärdig AI-upptäckt från hype.

Ett fält som rör sig snabbt

DAMO-resultatet anländer mitt i en våg av AI-drivna materialupptäckter. År 2023 identifierade Google DeepMinds GNoME-projekt ungefär 2,2 miljoner nya kristallstrukturer och ungefär 380 000 stabila material, publicerade resultaten i Nature och släppte databasen till andra forskare. Sedan dess har flera labb drivit mot system som inte bara förutsäger strukturer utan aktivt hjälper till att designa och validera dem. Elements Claw representerar det senaste, och ett av de mest aggressiva, försöken att sätta en autonom agent i centrum av den slingan.

Det som skiljer DAMO-arbetet åt, enligt rapporterna, är kombinationen av hastighet och verifiering: en stor volym beräkningsutforskning komprimerad till ungefär en dag av GPU-tid, följt av fysisk bekräftelse på att de förutsagda materialen faktiskt beter sig som förväntat.

Den större bilden

För Alibaba är resultatet en trovärdighetsmarkör för dess AI-forskningsambitioner i ett ögonblick då konkurrensen mellan kinesiska och västerländska AI-labb hårdnar. DAMO Academy har varit ett medel för företagets satsningar på längre horisont, och en materialupptäckt som griper rubriker förfinar dess vetenskapliga ställning även när den kommersiella AI-marknaden fortfarande domineras av chatbots och kodningsverktyg.

För det bredare forskarsamhället är frågan om autonoma upptäcktsagenter som Elements Claw kan skala bortom en hyllad demonstration till ett pålitligt, vardagligt verktyg. Om de kan, kan flaskhalsen inom materialvetenskap förändras från att hitta nya föreningar till att syntetisera och testa dem tillräckligt snabbt för att hålla jämna steg med vad AI föreslår. Hur som helst, idén om en AI-agent som skickar verifierade upptäckter snarare än bara förslag rör sig snabbt från spekulation till verklighet.

---

Stay Ahead of AI

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

Read more AI news →