[{"data":1,"prerenderedAt":30},["ShallowReactive",2],{"nr-de-alibaba-qwen-vier-supraleiter-ki-entdeckung":3},{"slug":4,"title":5,"dek":6,"date":7,"time":8,"publishedAt":9,"updated":10,"updatedAt":10,"dateFmt":11,"updatedFmt":10,"kind":12,"tier":13,"author":14,"authorName":15,"topics":16,"tracker":22,"trackerLabel":23,"headlineStat":24,"image":25,"ogImage":26,"imageAlt":5,"csv":10,"minutes":27,"words":28,"html":29},"alibaba-qwen-vier-supraleiter-ki-entdeckung","Alibaba entdeckt vier neue Supraleiter mit KI-Agent – und verifiziert sie im Labor","Alibabas DAMO Academy hat mit dem KI-Agent Elements Clo vier bislang unbekannte Supraleiter-Kandidaten identifiziert und experimentell bestätigt. Ein Beleg dafür, dass KI in der Materialforschung über Textgenerierung hinauswächst.","2026-07-06","09:26","2026-07-06T09:26:00+02:00","","6. Juli 2026","news","standard","ideal-syka","Ideal Syka",[17,18,19,20,21],"KI-Forschung","Materialwissenschaft","Supraleiter","Alibaba","Grundlagenforschung","\u002Fstand-der-ki","KI-Fortschritt","4 neue Supraleiter-Kandidaten verifiziert","\u002Fnewsroom\u002Fimg\u002Falibaba-qwen-vier-supraleiter-ki-entdeckung.webp","\u002Fog-nr\u002Falibaba-qwen-vier-supraleiter-ki-entdeckung.de.png",2,445,"\u003Cp>Alibabas Forschungsabteilung DAMO Academy hat einen KI-Agenten namens \u003Cstrong>Elements Clo\u003C\u002Fstrong> entwickelt, der vier neue Supraleiter-Kandidaten entdeckt und in Experimenten verifiziert hat. Das zeigt: Künstliche Intelligenz wird in der Grundlagenforschung zur echten Werkzeuggattung – nicht nur für Code und Chat.\u003C\u002Fp>\n\u003Ch2>Kurz & knapp\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Cstrong>Elements Clo\u003C\u002Fstrong> ist laut DAMO Academy der erste KI-Agent seiner Art zur Supraleiter-Suche und basiert auf einem \u003Cstrong>1-Milliarden-Parameter-Modell\u003C\u002Fstrong>, trainiert auf \u003Cstrong>125 Millionen\u003C\u002Fstrong> molekularen und Kristallstrukturen\u003C\u002Fli>\n\u003Cli>Der Agent durchsuchte \u003Cstrong>2,4 Millionen\u003C\u002Fstrong> stabile Kristallstrukturen in \u003Cstrong>28 Stunden\u003C\u002Fstrong> GPU-Rechenzeit und reduzierte diese auf etwa \u003Cstrong>68.000\u003C\u002Fstrong> vielversprechende Kandidaten\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Vier zuvor unbekannte Verbindungen\u003C\u002Fstrong> wurden nach weiterer Analyse experimentell bestätigt\u003C\u002Fli>\n\u003Cli>Renmin University of China und die University of Chinese Academy of Sciences waren an der Forschung beteiligt\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Ch2>Wie die KI den Forschungsprozess beschleunigt\u003C\u002Fh2>\n\u003Cp>Supraleiter sind Materialien, deren elektrischer Widerstand in extrem kalten Umgebungen verschwindet und die Magnetfelder abstoßen. Diese Eigenschaften gelten als Schlüssel für Zukunftstechnologien wie effizientere Stromnetze, Quantencomputer und Magnetschwebebahnen. Bislang war die Entdeckung neuer Materialien ein langwieriger Trial-and-Error-Prozess – weil die Theorie der Supraleitung noch nicht vollständig verstanden ist.\u003C\u002Fp>\n\u003Cp>Elements Clo ändert diese Dynamik: Das System analysiert automatisch wissenschaftliche Fachliteratur und Kristalldaten, um Materialien mit hoher Wahrscheinlichkeit für Supraleitung zu identifizieren. Statt dass Forscher Millionen von Kandidaten manuell sichten, übernimmt die KI die Vorfilterung. Die Wissenschaftler konzentrieren sich dann auf die experimentelle Validierung der vielversprechendsten Kandidaten.\u003C\u002Fp>\n\u003Ch2>Ein neues Paradigma für KI in der Wissenschaft\u003C\u002Fh2>\n\u003Cp>Das Projekt illustriert einen größeren Trend: Tech-Konzerne nutzen KI nicht mehr nur für Sprachgenerierung oder Softwareentwicklung. Sie erweitern den Einsatz auf Literaturrecherche, Datenanalyse und die Formulierung von Hypothesen für Experimentatoren.\u003C\u002Fp>\n\u003Cp>Besonders in der Materialwissenschaft könnte KI enorme Auswirkungen haben. Die Suche nach neuen Materialien erfordert die Durchsicht unzähliger Verbindungen – ein klassischer Engpass. Die etablierte Supraleiter-Datenbank \u003Cstrong>SuperCon\u003C\u002Fstrong> enthält nur etwa \u003Cstrong>2.000\u003C\u002Fstrong> registrierte Materialien. Elements Clo zeigt, wie KI diese Suchphase dramatisch verkürzen kann.\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>"Elements Clo handles paper searches, structure screening and candidate compression, while researchers focus on experimental verification,"\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Cp>so beschreibt DAMO Academy die Arbeitsteilung. Das Modell könnte sich auf andere Forschungsgebiete übertragen lassen – überall dort, wo große Datenmengen und theoretische Unsicherheit zusammenkommen.\u003C\u002Fp>\n\u003Ch2>Was das für deutsche Forschung bedeutet\u003C\u002Fh2>\n\u003Cp>Für deutsche Unternehmen und Forschungseinrichtungen liegt hier eine wichtige Botschaft: KI wird zum Werkzeug für Grundlagenforschung und Materialentwicklung. Wer solche Systeme nicht selbst aufbaut oder integriert, riskiert, in kritischen Technologiefeldern den Anschluss zu verlieren. Gleichzeitig eröffnet sich eine Chance: Deutsche Expertise in Materialwissenschaft, Chemie und Physik könnte mit KI-Tools multipliziert werden. Die Frage ist, ob hiesige Institute und Konzerne diesen Weg aktiv gehen – oder ob sie Alibaba, OpenAI und anderen das Feld überlassen.\u003C\u002Fp>\n\u003Ch2>Quellen\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.digitaltoday.co.kr\u002Fen\u002Fview\u002F78339\u002Falibaba-ai-finds-four-previously-unknown-superconductor-candidates-verified-in-experiments\">디지털투데이\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cem>Redaktionell verantwortet von \u003Ca href=\"\u002Fautor\u002Fideal-syka\">Ideal Syka\u003C\u002Fa>. Quellen und Arbeitsweise: \u003Ca href=\"\u002Fredaktion\">Redaktion & Methode\u003C\u002Fa>. Hinweise und Korrekturen: \u003Ca href=\"mailto:ai@i6eal.de\">ai@i6eal.de\u003C\u002Fa>.\u003C\u002Fem>\u003C\u002Fp>\n",1783332801002]