AI智能体重塑分子设计|AI Agent 正把＂试错实验＂升级为＂预测—合成—表征＂的自主闭环.

在化学与材料领域，AI Agent 正把"试错实验"升级为"预测—合成—表征"的自主闭环。本期聚焦 10 月 9—12 日新进展：从百万级晶体结构筛选到原子级材料合成、从生成式分子设计到自然语言驱动的合成规划。

发现一：达摩院 Elements Claw——28 GPU 小时筛 240 万结构，实验验证 4 种新超导材料

阿里巴巴达摩院联合中国人民大学、中国科学院大学发布材料智能体"Elements Claw"，以约 10 亿参数基础模型在 28 个 GPU 小时内筛选 240 万候选晶体结构，并实验合成了 4 种此前未知的超导材料（Hf21Re25、Zr4VRe7、HfZrRe4、Zr3ScRe8），最高临界温度约 6.5 K。该工作将传统以"月—年"计的材料发现压缩至"天"级，呼应微软 MatterGen、谷歌 GNoME 等"AI 预测—实验验证"范式。

发现二：半自主 AI 实现原子级材料合成闭环

研究者开发出半自主 AI 系统，将机器学习与机器人合成结合，可在原子尺度构建新材料。其闭环架构包含三部分：预测引擎（合成前预测候选原子结构的稳定性与物性）、自动化合成模块（按 AI 指令执行原子级沉积/化学组装）、反馈回路（实时表征数据回流优化后续预测）。该方法直击"理论预测—实验验证"之间的瓶颈，有望加速半导体、电池与量子计算材料的开发。

发现三：复旦 AI 设计 PARP-1 探针——生成化学+对接+合成复杂度评分的闭环范式

除生物医药意义外，复旦 [68Ga]Ga-DOTA-FZPF 工作也是分子设计的范本：以生成式化学语言模型产出类似物，经 SCScore 合成复杂度评分、CNN 引导对接（PDB 5DS3）与 100 ns 分子动力学验证，形成"生成—过滤—对接—动力学—合成"的可复现闭环。该范式可迁移至放射性药物与其他先导化合物的亲水性/药代性质优化。

发现四：自然语言驱动的合成规划与 DMTA 智能体平台

EPFL Philippe Schwaller 团队在 Matter 发表 Synthegy：用大语言模型作为化学"推理引擎"，从自然语言描述规划合成路线，36 位化学家在 368 次评估中与其判断一致率达 71.2%，媲美专家间一致性。国内深势科技在 DDC 2026 发布 Agent 驱动的 RiDYMO.MolTx 与 PepTx 平台，将"读文献—做计算—做实验"全流程自动化调度，把小分子 DMTA 迭代从数月压缩至两周、环肽通量提升约 500 倍，体现"智能体调度 + 干湿双工厂"的下一代药物发现架构。

参考资料

1. Troy Technical / StartupFortune：达摩院 Elements Claw 发现 4 种新超导材料（2026-10-11） 2. TheNextGenTechInsider：半自主 AI 原子级材料合成闭环（2026-10-11） 3. Ji M. et al. AI-assisted PARP-1-targeted PET agent [68Ga]Ga-DOTA-FZPF. Materials Today Bio, 41, 103728 (2026) 4. Bran A.M. et al. Synthegy: plain-language synthesis planning. Matter (2026). DOI:10.1016/j.matt.2026.102812 5. 京津冀国家技术创新中心：深势科技发布 RiDYMO.MolTx & PepTx（DDC 2026）。