Tech

AI Didn't Find a Room-Temperature Superconductor. It Made the Search Faster

July 10, 2026 · Marcus Webb, The Singularity Is Near~9 min read

Here's the headline you probably saw: "AI supercharges the race for room-temperature superconductors." Here's what actually happened: a group called the SuperC consortium found two new superconductors, and they carry critical temperatures of 0.81 K and 0.95 K. That's kelvin — measured up from absolute zero. Room temperature is about 300 K. So these two materials go superconducting somewhere around minus 272 Celsius, which is colder than deep space, and you'd need a bathtub of liquid helium to get anywhere near it. That is not a room-temperature superconductor. It is not close. So what's the actual news? The news is that they didn't find these two by grinding through candidates one at a time. They aimed. And the thing that let them aim is the whole story.

Read the temperature before you read the headline

Two real superconductors got found. Their numbers are 0.81 K and 0.95 K. Hold onto those.

Look — I've seen this movie before, so let me start with the boring part, because the boring part is the honest part. The two materials are YRu3B2 and LuRu3B2. YRu3B2 goes superconducting at 0.81 K. LuRu3B2 at 0.95 K. Both are what physicists call kagome-lattice materials — "kagome" is the name of a Japanese basket weave, that woven hexagonal pattern, and the atoms here sit in exactly that arrangement. The electrons end up in what's called a flat band, which is the interesting bit for the physics. All of that is real, and it's published in Physical Review Research, which is a serious place. None of it is room temperature. It's not the same postal code as room temperature.

So why write about a 0.95-kelvin anything? Because the material isn't the point. The method is. And that's where a twenty-year-old book turns out to be about a superconductor paper. Ray Kurzweil, in The Singularity Is Near, keeps hammering one idea he calls the law of accelerating returns: progress in information technology isn't a straight line, it's a curve, because the tools you build get folded back in to build better tools. Each result improves the machine that finds the next result. That's the feedback loop. What the SuperC people did is take material discovery — which for a century was a slow, hand-cranked business — and drop it onto that kind of curve.

The problem was never the physics — it was the search space

The number of possible materials is effectively infinite. You cannot check them one by one. That was always the wall.

Here's the thing nobody outside the field says out loud: the reason room-temperature superconductivity is hard isn't that the physics is unknown. Plenty of it is known. The reason it's hard is that the space of possible materials is stupidly, cosmically large. Every combination of elements, every crystal structure, every ratio — it's a haystack the size of a solar system, and somewhere in it there might be a needle. For a hundred years the method was basically: pick a promising spot, spend months synthesizing it, cool it down, measure. Miss. Pick again. It's like looking for one specific grain of sand by checking beaches one bucket at a time. You could do that forever and get nowhere, and mostly, people did.

What the machine-learning screen does is change that arithmetic. It doesn't run the physics — the real, expensive first-principles calculations still have to run, and someone still has to walk into a lab and actually make the stuff. What the ML does is go through the practically infinite pile first and rank it. It says: out of these billions of maybes, these few hundred are worth your helium and your months. It's a filter, not an oracle. And that distinction is the whole ballgame, so I want to draw it out.

The discovery loop is what actually changed slope

Infinite candidates in, a ranked shortlist out, then real calculation and real synthesis — and every hit sharpens the filter for the next pass.

So walk the loop with me, because this is the part that matters. You start with the practically infinite candidate space — every material you could imagine building. The ML screen, working alongside the quantum-geometry calculations, filters that down to a small, ranked shortlist. Then the expensive stuff kicks in: first-principles calculations on the survivors, then physical synthesis in a lab. Out the other end came two confirmed superconductors, YRu3B2 and LuRu3B2. And here's the part that makes it a curve instead of a straight line: each confirmed hit becomes training data that sharpens the filter for the next lap. The tool improves the tool. That's Kurzweil's whole point, sitting right there in a materials-science pipeline.

A faster search is not an arrival, and the field has proof

A steeper curve gets you to the answer sooner — if the answer is out there. It doesn't promise the answer exists.

Now here's where I have to put the wrench down and say the honest thing, because superconductivity is a field that has embarrassed a lot of smart people. You remember LK-99. Summer of 2023, a levitating gray rock, "room-temperature superconductor," the whole internet lost its mind for about a week, and then labs around the world tried to reproduce it and it fell apart. It wasn't a superconductor at all. That's the water this fish swims in. So when a curve gets steeper, keep your head. A steeper curve means you reach whatever's out there sooner. It does not mean the thing you want is out there. Accelerating the search for a room-temperature superconductor is a change in the slope of the discovery loop. It is not room-temperature superconductivity. Those are two completely different claims, and the headline blurs them on purpose.

The reason to care is the second lap, and the thousandth

The same method promises thousands more candidates. That's not a press-release flourish — it's the actual shape of an exponential.

Okay, so if it's not room temperature and it might not even be on the right track, why does any of this matter? Because of the part that's easy to skim past: the researchers say the same method can find thousands more superconductors. That's the sentence to sit with. Not "we found two," but "we built the thing that finds them, and it gets better each time it runs." A method that produces two candidates today and sharpens itself on the results is a method that produces a much larger, better-aimed batch next year. That's the accelerating-returns shape Kurzweil is on about — and it's exactly the shape our linear brains are worst at reading. We see two little superconductors at under 1 K and shrug. We're bad at the curve. We always have been.

To scale: 0.81 K and 0.95 K against ~300 K room temperature. The two new superconductors are the slivers at the far left — that gap is the honest distance still to cover (Physical Review Research; ~300 K room-temp reference).

What this means for you when you read the next AI headline

Learn to separate two sentences that always get glued together.

Here's the one thing to walk away with, and it works far past superconductors. When you read that AI "supercharged," "revolutionized," or "cracked" some field, ask which of two things actually happened. One: did the search get faster — did the tool narrow an impossible pile down to a workable one? That's real, and it compounds, and it's genuinely a big deal over time. Two: did anyone actually arrive — is the thing you wanted now sitting on the table? Because those get welded together in a headline, and they are not the same, and the gap between them can be 300 kelvin wide. The SuperC people did the first one, honestly and well, and were honest about it. The trick is to be as honest as they were. A faster map is worth having. It's just not the treasure. It only tells you where to dig.

Reporting: ScienceDaily, "AI just supercharged the race to find room temperature superconductors" (2026-07-01); phys.org (2026-06); Interesting Engineering; primary results published in Physical Review Research. The SuperC consortium (international, launched 2023) has a stated goal of discovering a room-temperature superconductor by 2033; using machine-learning screening plus quantum-geometry calculations it identified two kagome-lattice superconductors, YRu3B2 (Tc = 0.81 K) and LuRu3B2 (Tc = 0.95 K), and reports the method could find thousands more. Framing from Ray Kurzweil, The Singularity Is Near (the law of accelerating returns: tools improve the tools, so progress curves and we misjudge it linearly). Honest limits: 0.81 K and 0.95 K are near absolute zero — roughly 300 K short of room temperature. This is an acceleration of the discovery method, not a room-temperature breakthrough; claimed breakthroughs in this field have collapsed before (e.g., LK-99). One working engineer's read, not a verdict on any specific material.

技术

AI 没找到室温超导体，它只是把找的过程变快了

2026年7月10日 · 陈志远，《奇点临近》约 7 分钟

你大概刷到过那条标题：「AI 让室温超导竞赛全面提速」。真事儿是这样：一个叫 SuperC 的联盟，找到了两种新超导体，临界温度是 0.81 K 和 0.95 K。K 是开尔文，从绝对零度往上数的。室温大概是 300 K。所以这俩材料，是在零下 272 摄氏度左右才开始超导——比深空还冷，你得拿一浴缸液氦才能凑到那个温度附近。这不是室温超导体。差得远。那真新闻是啥？真新闻是：他俩不是一个一个死磕试出来的。他们是瞄准了打的。而让他们能瞄准的那个东西，才是整篇的重点。

先看温度，再看标题

是真找到了两种超导体。数字是 0.81 K 和 0.95 K。先把这俩记牢。

这事儿吧，我以前见过太多回了，所以先说无聊的那段，因为无聊的这段才是老实话。两种材料，YRu3B2 和 LuRu3B2。YRu3B2 在 0.81 K 开始超导，LuRu3B2 在 0.95 K。物理上叫它俩「笼目晶格」材料——「笼目」是日本竹编篮子那个花样，六边形交织的编法，这里的原子就正好摆成那个样子。电子最后落进一个叫「平带」的东西里，这是物理上有意思的那一块。这些全是真的，发在《物理评论·研究》上，是个正经地方。但没一样沾室温的边。跟室温压根不在一个片区。

那我干嘛要写一个 0.95 开尔文的玩意儿？因为材料不是重点，方法才是。这就说到一本二十年前的书，居然是在讲一篇超导论文。雷·库兹韦尔在《奇点临近》里反复砸一个词，叫「加速回报定律」：信息技术的进步不是一条直线，是一条上翘的曲线，因为你造出来的工具会回过头去，帮你造更好的工具。每一个结果，都在改进那台找下一个结果的机器。这就是那个反馈回路。SuperC 这帮人干的，就是把材料发现——这行当一百年来都是慢慢悠悠、手摇曲柄的活儿——给按到了这种曲线上。

难的从来不是物理，是那片搜索空间

可能的材料多到近乎无限。你没法一个一个查。这才是那堵墙。

有句这行外面的人不太说破的大实话：室温超导难，不是因为物理没搞懂，很多物理是搞懂了的。难是因为，可能的材料多到离谱、多到宇宙级别。每一种元素组合、每一种晶体结构、每一个配比——这是一个太阳系那么大的草垛，里头某个地方也许插着一根针。一百年来的办法基本就是：挑个看着靠谱的点，花几个月合成出来，冷下去，测。没戏。再挑一个。这就跟你为了找一粒特定的沙子，一桶一桶地翻遍所有海滩一样。你能这么翻到天荒地老、原地打转——大部分时候，人们也就真这么翻着。

机器学习这道筛，改的就是这笔账。它不跑物理——真正贵的第一性原理计算还是得跑，还是得有人走进实验室，把东西真做出来。机器学习干的是：先把那近乎无限的一大堆过一遍、排个序。它说：这几十亿个「也许」里，就这几百个值得你搭上液氦、搭上几个月。它是一道筛，不是一个神谕。而这个区分，才是整盘棋的胜负手，所以我想把它掰开讲。

真正改了斜率的，是那个发现循环

近乎无限的候选进去，一份排好序的短名单出来，然后是真计算、真合成——而每一次命中，都把筛子磨得更利，为下一轮。

跟我把这个循环走一遍，因为这才是要紧那段。你从近乎无限的候选空间起步——你能想象出来的每一种材料。机器学习这道筛，配着量子几何计算，把它筛成一份短短的、排好序的名单。然后贵的那部分才上：对活下来的候选做第一性原理计算，再进实验室物理合成。另一头出来的，是两种被确认的超导体，YRu3B2 和 LuRu3B2。而让它成为一条曲线、而不是一条直线的，是这一点：每一个被确认的命中，都变成训练数据，把筛子磨得更利，用在下一圈。工具改进工具。这就是库兹韦尔那整个论点，活生生地摆在一条材料科学的流水线上。

找得更快，不等于到了；这行有前车之鉴

曲线更陡，是让你更早够到答案——前提是答案真在那儿。它不担保答案存在。

说到这儿我得把扳手放下，说句老实话，因为超导这行，让不少聪明人栽过跟头。你还记得 LK-99 吧。2023 年夏天，一块悬浮的灰石头，「室温超导体」，全网疯了大概一星期，然后世界各地实验室去复现，散架了。压根不是超导体。这就是这行泡着的水。所以曲线一变陡，脑子得清醒。曲线更陡，意思是你更早够到那个「本来就在那儿的东西」。它不代表你想要的那个东西真在那儿。加速「找室温超导体」，改的是发现循环的斜率。它不是室温超导本身。这是两个完全不同的说法，标题是故意把它俩糊到一块儿的。

值得在意的，是第二圈，和第一千圈

同一套方法，声称还能再找出成千上万个候选。这不是新闻稿的花腔——这就是指数长的那个样子。

好，那它既不是室温、方向可能还不一定对，这些到底凭啥值得写？凭那句容易被一眼扫过去的话：研究者说，同一套方法还能再找出成千上万种超导体。这才是该坐下来嚼的一句。不是「我们找到了俩」，是「我们造出了那台找它们的机器，而且它每跑一次都变得更利」。一套今天产出两个候选、又拿结果把自己磨利的方法，明年产出的，就是一批大得多、瞄得准得多的候选。这就是库兹韦尔念叨的那个加速回报的形状——也恰好是我们这颗线性脑子最不会读的形状。我们看见两个不到 1 K 的小超导体，耸耸肩。我们读不懂曲线。一直如此。

按比例画：0.81 K 与 0.95 K，对着约 300 K 的室温。两种新超导体就是最左边那两条细缝——那道空隙，就是诚实地还差多远（《物理评论·研究》；约 300 K 室温参照）。

下回再刷到 AI 大标题，这事儿对你意味着啥

学会把两句老被焊在一起的话，拆开。

就带走这一条，它管的可远不止超导。下回你看到 AI「全面提速」「彻底革新」「攻克」了某个领域，问一句：这俩事儿，到底发生了哪个。第一：是「找」变快了吗——工具是不是把一堆不可能的候选，收窄成了一堆能干的？这是真的，会滚雪球，时间拉长确实是件大事。第二：真有人「到」了吗——你想要的那个东西，现在摆桌上了吗？因为标题里，这俩被焊成了一句，它俩不是一回事，中间那道缝，能宽到 300 开尔文。SuperC 这帮人干的是第一件，老老实实、干得漂亮，而且他们对此很坦白。诀窍就是：像他们一样坦白。一张更快的地图，值得有。它只是不是那个宝藏。它只告诉你往哪儿挖。

报道：ScienceDaily「AI just supercharged the race to find room temperature superconductors」（2026-07-01）；phys.org（2026-06）；Interesting Engineering；主要结果发表于《物理评论·研究》（Physical Review Research）。SuperC 联盟（国际，2023 年成立）的公开目标是 2033 年前发现室温超导体；它用机器学习筛选加量子几何计算，找到两种笼目晶格超导体 YRu3B2（Tc = 0.81 K）与 LuRu3B2（Tc = 0.95 K），并称该方法还能再找出成千上万种。框架取自雷·库兹韦尔《奇点临近》（加速回报定律：工具改进工具，故进步是曲线，而我们用线性直觉误判它）。诚实的边界：0.81 K 与 0.95 K 贴着绝对零度——离室温还差着大约 300 K。这是发现方法的加速，不是室温层面的突破；这行声称过的突破崩过盘（如 LK-99）。仅一位一线工程师的解读，不是给哪种具体材料下判决。

テクノロジー

AI は室温超伝導体を見つけてない。探す速さを変えただけなんですよね

2026年7月10日 · 藤井亮、『シンギュラリティは近い』約 9 分

たぶん見かけた見出しはこうです——「AI が室温超伝導レースを一気に加速」。実際に起きたのはこう。SuperC コンソーシアムという集まりが、新しい超伝導体を二つ見つけた。臨界温度は 0.81 K と 0.95 K。K はケルビン、絶対零度から上に数えた温度です。室温はだいたい 300 K。つまりこの二つの材料、超伝導になるのはマイナス 272 度あたり——深宇宙より冷たくて、そこに近づくには液体ヘリウムを風呂桶いっぱい要る。これは室温超伝導体じゃない。全然、近くもない。じゃあ本当のニュースは何かというと——この二つ、一個ずつ潰して当てたんじゃないんです。狙って撃った。で、その「狙える」を可能にしたものこそが、この記事の全部なんですよね。

見出しより先に、温度を読む

超伝導体は本当に二つ見つかった。数字は 0.81 K と 0.95 K。まずこの二つを握っておいてください。

これ、僕は前にも何度も見た手なので、地味なところから始めます。地味なところが、正直なところだからです。二つの材料、YRu3B2 と LuRu3B2。YRu3B2 は 0.81 K で超伝導になる。LuRu3B2 は 0.95 K。物理では「カゴメ格子」の材料と呼ぶ——「カゴメ」は日本の竹編み籠のあの模様、六角形が織り込まれた編み方で、ここの原子はまさにその並びに座ってる。電子は最後、「フラットバンド」という状態に落ちる。ここが物理として面白いところ。全部本物で、『フィジカル・レビュー・リサーチ』に載ってる、ちゃんとした場所です。でも、どれ一つ室温には触れてない。室温とは、そもそも同じ郵便番号にいないんですよね。

じゃあ 0.95 ケルビンの何かを、なんでわざわざ書くのか。材料が主役じゃなくて、方法が主役だからです。ここで、二十年前の本が、実は超伝導の論文の話をしてた、ってことになる。レイ・カーツワイルは『シンギュラリティは近い』で、彼が「収穫加速の法則」と呼ぶ一点を何度も叩くんです——情報技術の進歩は直線じゃない、上に反った曲線だ、と。作った道具が回り込んで、もっといい道具を作る。一つ一つの結果が、次の結果を見つける機械を良くしていく。それがあのフィードバックループ。SuperC の人たちがやったのは、材料発見——百年ずっと、のろのろ手回しの仕事だった——を、この種の曲線に乗せることなんですよね。

難所は物理じゃなくて、あの探索空間なんです

あり得る材料の数はほぼ無限。一個ずつ調べるのは無理。ずっとそこが壁でした。

この分野の外では、あまり口にされない身も蓋もない話があって。室温超伝導が難しいのは、物理が分かってないからじゃない。かなりの物理は分かってる。難しいのは、あり得る材料の数が、ばかみたいに、宇宙級に大きいからです。元素の組み合わせ、結晶構造、比率——太陽系ほどの藁山で、そのどこかに一本の針が刺さってるかもしれない。百年の方法はだいたいこう：見込みのありそうな一点を選び、何ヶ月かかけて合成し、冷やして、測る。外れ。また選ぶ。特定の砂粒一つを探すのに、海岸をバケツ一杯ずつ潰していくようなもの。永遠にやって、その場でぐるぐる回れる——実際、たいていはそう回ってたんです。

機械学習のふるいが変えるのは、この算数です。物理は走らせない——本当に高価な第一原理計算はやっぱり走らせないといけないし、誰かが研究室に入って、実際に作らないといけない。機械学習がやるのは、そのほぼ無限の山を先に一通りなめて、順位を付けること。何十億の「かもしれない」のうち、この数百がヘリウムと数ヶ月を賭ける価値がある、と言う。ふるいであって、神託じゃない。そしてこの区別が、勝負の全部なので、ちょっと開いて描かせてください。

速く探せるのは、着いたことにはならない。この分野には前例がある

傾きが急なら、答えに早く届く——答えがそこにあれば。答えの存在は保証しない。

ここで一旦レンチを置いて、正直なことを言わないといけない。超伝導は、賢い人を何人も赤っ恥かかせてきた分野なので。LK-99、覚えてますよね。2023 年の夏、浮く灰色の石、「室温超伝導体」、ネット中が一週間ほど沸いて、世界中の研究室が再現しようとして、崩れた。超伝導体ですらなかった。この魚が泳いでる水が、それです。だから曲線が急になっても、頭は冷やしておく。急な曲線は、そこにある何かに早く届く、という意味。欲しいものがそこにある、という意味じゃない。「室温超伝導体を探す」を加速するのは、発見ループの傾きを変えること。室温超伝導そのものじゃない。これは全く別の二つの主張で、見出しはわざと、その二つをぼかしてるんですよね。

気にすべきは、二周目と、千周目のほう

同じ方法が、さらに何千もの候補を指すという。これはプレスリリースの飾りじゃなくて、指数の実際の形なんです。

じゃあ、室温でもないし、方向すら合ってるか怪しいのに、これのどこが大事なのか。読み飛ばしやすい一文があるからです：研究者は、同じ方法でさらに何千もの超伝導体を見つけられると言ってる。ここが、腰を据えて噛む一文。「二つ見つけた」じゃなくて、「それを見つける機械を作った、しかも走らせるたびに良くなる」。今日二つの候補を出して、その結果で自分を研ぐ方法は、来年、もっと大きくて、もっと狙いの定まった一群を出す方法です。それがカーツワイルの言う収穫加速の形——そして、僕らの線形な脳が、いちばん読めない形でもある。1 K を切る小さな超伝導体を二つ見て、肩をすくめる。僕らは曲線が読めない。昔からずっと、なんですよね。

縮尺どおり：0.81 K と 0.95 K を、約 300 K の室温に当てて。二つの新しい超伝導体は、いちばん左の細い線——その隙間が、正直にあとどれだけ、という距離です（『フィジカル・レビュー・リサーチ』；約 300 K 室温の参照）。

次に AI の大見出しを読むとき、これが意味すること

いつも一緒に貼り合わされる二つの文を、剥がせるようになること。

持ち帰ってほしいのは一つだけで、これは超伝導のはるか先まで効きます。AI が何かの分野を「加速した」「革新した」「攻略した」と読んだら、二つのうちどっちが実際に起きたのか、と問う。一つ：探すのが速くなったのか——道具が、無理な山を、扱える山まで絞ったのか。これは本物で、雪だるま式に効いて、時間をかければ本当に大ごとです。二つ：本当に誰かが着いたのか——欲しかったものが、いま机の上にあるのか。見出しの中で、この二つは一文に溶接されてて、同じじゃなくて、その隙間は 300 ケルビンぶんも開くことがある。SuperC の人たちは一つ目を、誠実に、うまくやって、そのことに正直だった。コツは、彼らと同じくらい正直でいること。速い地図は、持つ価値がある。ただ、それは宝そのものじゃない。どこを掘れ、と教えてくれるだけなんですよね。

報道：ScienceDaily「AI just supercharged the race to find room temperature superconductors」（2026-07-01）；phys.org（2026-06）；Interesting Engineering；主要な結果は『フィジカル・レビュー・リサーチ』（Physical Review Research）に掲載。SuperC コンソーシアム（国際、2023 年発足）は 2033 年までに室温超伝導体を発見するという目標を公言；機械学習によるスクリーニングと量子幾何計算で、カゴメ格子の超伝導体 YRu3B2（Tc = 0.81 K）と LuRu3B2（Tc = 0.95 K）を同定し、この方法でさらに何千も見つけられるとしている。枠組はレイ・カーツワイル『シンギュラリティは近い』から（収穫加速の法則：道具が道具を改良するので進歩は曲線を描き、僕らはそれを線形に見誤る）。誠実な限界：0.81 K と 0.95 K は絶対零度のすぐ上——室温まで約 300 K 足りない。これは発見方法の加速であって、室温レベルの突破ではない。この分野で謳われた突破は過去に崩れている（例：LK-99）。現場の一エンジニアの読み方であって、特定の材料への判決ではありません。