論文の概要: Agentic Fusion of Large Atomic and Language Models to Accelerate Superconductor Discovery
- arxiv url: http://arxiv.org/abs/2604.23758v3
- Date: Mon, 04 May 2026 03:23:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:49.415151
- Title: Agentic Fusion of Large Atomic and Language Models to Accelerate Superconductor Discovery
- Title（参考訳）: 超伝導発見を加速する大規模原子・言語モデルのエージェント融合
- Authors: Mingze Li, Yu Rong, Songyou Li, Lihong Wang, Jiacheng Cen, Liming Wu, Anyi Li, Zongzhao Li, Qiuliang Liu, Rui Jiao, Tian Bian, Pengju Wang, Hao Sun, Jianfeng Zhang, Ji-Rong Wen, Deli Zhao, Shifeng Jin, Tingyang Xu, Wenbing Huang,
- Abstract要約: ElementsClawは、わずか28GPU時間で68,000人の高信頼候補を特定する。
我々は4つの新しい超伝導体を実験的に合成し、検証した。
- 参考スコア（独自算出の注目度）: 85.54953285509167
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence has accelerated materials discovery through high-throughput prediction and generation, yet the decision problem remains a formidable bottleneck. While current AI systems readily propose millions of candidates, navigating the decision regarding a viable experimental target requires resolving multi-dimensional judgments across atomic-scale numerical computation and high-level semantic reasoning. Here we present ElementsClaw, an agentic framework for materials discovery that orchestrates a suite of Large Atomic Model (LAM) tools finetuned from our proposed 1-billion-parameter model Elements for numerical computation, while leveraging Large Language Models (LLMs) for semantic reasoning. Applied to superconductors, ElementsClaw rediscovers 66 experimentally verified superconductors that are absent from the standard SuperCon3D database. Scaling to 2.4 million equilibrium crystals, ElementsClaw identifies 68,000 high-confidence candidates in just 28 GPU hours (https://developer.damo-academy.com/material), expanding known superconducting space by orders of magnitude compared to datasets curated over decades. Guided by the agent's reasoning, we experimentally synthesize and verify four novel superconductors: the motif-guided Zr$_3$ScRe$_8$ ($T_c$ = 6.5 K), the de novo generated HfZrRe$_4$ ($T_c$ = 5.9 K), the structurally reinterpreted Zr$_4$VRe$_7$ ($T_c$ = 3.5 K), and the database-latent Hf$_{21}$Re$_{25}$ ($T_c$ = 2.5 K). Together, our results establish a knowledge integrated, autonomously orchestrated, and experimentally grounded paradigm for materials discovery.
- Abstract（参考訳）: 人工知能は、高スループットの予測と生成を通じて材料発見を加速してきたが、決定問題は依然として深刻なボトルネックである。
現在のAIシステムは容易に数百万の候補を提示するが、実行可能な実験対象に関する決定をナビゲートするには、原子スケールの数値計算と高レベルのセマンティック推論を含む多次元の判断を解決する必要がある。
本稿では,大規模原子モデル(LAM)ツール群を1-ビリオンパラメータモデルから微調整した材料発見のためのエージェントフレームワークであるElementsClawについて,意味論的推論にLarge Language Models(LLMs)を活用しながら,数値計算のための要素について述べる。
超伝導体に適用されたElementsClawリスコバー66は、標準のSuperCon3Dデータベースにはない実験的に検証された超伝導体である。
ElementsClawは、わずか28GPU時間(https://developer.damo-academy.com/ Materials)で68,000人の高信頼候補を識別し、数十年にわたってキュレーションされたデータセットと比較して、既知の超伝導空間を桁違いに拡大する。
エージェントの推論により、モチーフ誘導されたZr$_3$ScRe$_8$$(T_c$ = 6.5K)、デノボ生成のHfZrRe$_4$(T_c$ = 5.9K)、構造的に再解釈されたZr$_4$VRe$_7$(T_c$ = 3.5K)、データベース遅延Hf$_{21}$Re$_{25}$(T_c$ = 2.5K)の4つの新しい超伝導体を実験的に合成し検証した。
本研究の結果は,材料発見のための統合的,自律的,実験的に基礎付けられたパラダイムを確立できた。
関連論文リスト
- Guided Diffusion for the Discovery of New Superconductors [4.592996089024724]
高温超伝導など、特定の望ましい特性を持つ材料の逆設計は、材料科学における重大な課題である。
本稿では,新しい超伝導体の発見を促進するための誘導拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-29T17:59:52Z) - TopoMAS: Large Language Model Driven Topological Materials Multiagent System [9.394163894876689]
TopoMASは、材料発見パイプラインをシームレスにオーケストレーションする対話型ヒューマンAIフレームワークである。
TopoMASは、計算結果を動的知識グラフに自律的に統合することでループを閉じる。
既に新しい位相相SrSbO3の同定を導いている。
論文 参考訳（メタデータ） (2025-07-05T14:23:12Z) - Solving the Hubbard model with Neural Quantum States [66.55653324211542]
ダッピングされた2次元ハバードモデルに対する最先端結果について検討した。
NQSアンサッツの異なるアテンションヘッドは、異なるスケールで直接相関を符号化することができる。
我々の研究は、マルチフェミオンシステムに挑戦する強力なツールとしてNQSを確立します。
論文 参考訳（メタデータ） (2025-07-03T14:08:25Z) - Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。
本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
論文 参考訳（メタデータ） (2023-10-08T17:11:42Z) - Robust Hamiltonian Engineering for Interacting Qudit Systems [50.591267188664666]
我々は、強く相互作用するキューディット系のロバストな動的疎結合とハミルトン工学の定式化を開発する。
本研究では,これらの手法を,スピン-1窒素空洞中心の強相互作用・無秩序なアンサンブルで実験的に実証した。
論文 参考訳（メタデータ） (2023-05-16T19:12:41Z) - Halide perovskite artificial solids as a new platform to simulate
collective phenomena in doped Mott insulators [43.55994393060723]
本研究では,ハロゲン化鉛ペロブスカイトナノキューブを用いた人工格子を,相関量子材料の物理をシミュレーションし,研究するための新しいプラットフォームとして紹介する。
大規模な光ドーピングにおいて、励起子ガスは励起モット遷移を行い、ハバードモデルで記述された磁場駆動絶縁体-金属間遷移を完全に実現していることを示す。
その結果, 時間分解実験は, ドープモット絶縁相から長距離および位相コヒーレント秩序が出現するハバードモデルのパラメータ領域にまたがることを示した。
論文 参考訳（メタデータ） (2023-03-15T17:38:51Z) - Quantum Simulation of an Extended Fermi-Hubbard Model Using a 2D Lattice
of Dopant-based Quantum Dots [5.046411982403706]
ハバードモデル(Hubbard model)は、凝縮物質系における本質的な多体物理学を理解するための主要なモデルの一つである。
近年のシリコンの原子レベルでの精密な製造は、原子単位での単一および少数ドーパント量子ドットの創製を可能にしている。
本研究では,STM-Fabricated 3x3 arrays of single/few-dopant quantum dots を用いた2次元拡張フェルミ・ハバード・ハミルトニアンのアナログ量子シミュレーションを実演する。
論文 参考訳（メタデータ） (2021-10-18T02:24:05Z) - BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。
ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
論文 参考訳（メタデータ） (2021-06-08T10:14:57Z) - Quantum Sensors for Microscopic Tunneling Systems [58.720142291102135]
トンネル2層系(TLS)は超伝導量子ビットなどのマイクロファブリック量子デバイスにおいて重要である。
本稿では,薄膜として堆積した任意の材料に個々のTLSを特徴付ける手法を提案する。
提案手法は, トンネル欠陥の構造を解明するために, 量子材料分光の道を開く。
論文 参考訳（メタデータ） (2020-11-29T09:57:50Z) - Bayesian Force Fields from Active Learning for Simulation of
Inter-Dimensional Transformation of Stanene [3.708456605408296]
本稿では,多体カーネルに基づく原子間力場に対するガウス過程モデルを劇的に高速化する方法を提案する。
これにより、ほぼ量子精度、組込みの不確実性、一定の評価コストを組み合わせたモデルの自動アクティブラーニングが可能になる。
論文 参考訳（メタデータ） (2020-08-26T20:27:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。