材料科学的超导探索遇上AI：前沿难题上只拿53.7%

这个基准测试并不是超导测试。它的范围更窄，也更别扭：330道题目取自航空航天、半导体、具身智能和核聚变领域的真实研究，每一道都经过具名实验科学家和行业专家验证。题目要求模型推断某个被隐去的结果，或者根据给定证据得出结论。超导只是这个集合里的一部分，并不构成它的定义。

作者写道，有一半题目最多只有一个模型能解出。最强的通用模型得分53.7%。

失效方式很具体。模型认可的是听起来合理的东西，而不是实际观测到的东西。对任何看过AI厂商把模型包装成科研加速器的人来说，这一点才值得注意。合理很廉价。一个读过文献的模型知道哪个答案听起来像结果；知道实验实际产生了哪个答案，是另一回事。这个基准测试说明，当前系统并不能可靠地做到后者。

数字说明了什么

330道题中有5道属于跨尺度问题，作者单独处理。其中130道需要跨尺度推理。在匹配的题目上，这类题目的得分比单尺度题目低8.7分。

论文于10月30日提交，共23页，含4幅图和13张表。作者还做了一次领域适配实验，采用元加权继续预训练和尺度模块化自蒸馏，把一个开放权重模型从36.7%提升到55.4%。摘要称，这一成绩与最强的闭源模型相当，在公开材料基准上有提升，在通用基准上的总体表现没有下降。应当把这理解为特定训练配方在特定基准上的结果，而不是普遍突破了天花板。上述数字均来自摘要。

作者认为，教科书和考试类基准衡量的是已有知识，前沿研究问题基本没有被测到。这个批评是合理的，对超导领域的覆盖同样适用。这个领域的大部分文章要么是增量式的实验室结果，要么是对室温材料的猜测，很少有文章去检验模型能否跟上真实研究中的推理。

机器写证明，机器靠猜

另一篇arXiv论文指向问题的另一端，由Jae-Hyun Baek、Byung-Sun Won和Jon-Lark Kim于10月30日提交。他们的流程把LLM引导的程序演化与精确评估、数学推广、经验证的不存在性检查以及形式化证明检验结合起来，并应用到了纠缠辅助量子纠错码上。

演化出的程序给出了有限量子比特构造。研究人员随后把它们推广成一个族，$[[n,1,n-1;n-q-1]]_q$，适用于素数幂$q\\ge3$且$n\\ge2q+1$的情形，以及$q=2$且奇数$n\\ge5$的情形。Lean检验了这个族背后的代数证书。借助纠缠提升，这个族填补了存档EAQECC表中的54个空缺。作者公开了115条经验证的码记录、10项带有已检验DRAT证明的不存在性结果、族的实现，以及保留下来可供重放的搜索程序。

团队还跑了一组对照实验，包含8个配对的生成块。经验证集筛选的迭代程序在未见长度n=13和n=15的留出执行中，成功率分别为46.1%和31.6%。独立生成的程序只达到19.5%和3.1%。

这个区别很重要。论文把有效性、普遍性和可复现性当作不同类型的证据分开处理，同时让人类留在流程中，把机器得到的有限发现推广成证明。把两篇论文放在一起看，AI在硬核材料和物理工作中的位置就很清楚：当人提出问题、检查输出并把结果形式化时，它有用；当要求它推断实验发现了什么时，它不可靠。

暗物质的平行故事

同样的搜索边界扩张，也出现在t3n于11月3日发表的一篇长篇特稿里。文章改编自《麻省理工科技评论》2026年第8期，该期于11月6日上市。

Dan Garisto报道的是充满液氙的探测器。它们位于亚平宁山脉地下、四川锦屏山下方以及南达科他州一座矿井的底部，原本是为了捕捉弱相互作用大质量粒子撞击氙原子。这些探测器已经开始记录到孤立信号。它们不是暗物质，而是中微子。探测器足够大也足够灵敏，物理学家怀疑它们已经陷进一片中微子雾中，其他任何信号都会被淹没。对于能穿透地球的粒子，没有办法屏蔽。用这条长期追寻的路线做的下一个实验，可能就是最后一个。

加州理工学院的理论粒子物理学家Kathryn Zurek对杂志说，大型强子对撞机也没有发现新粒子。"Und wir haben eben noch keine WIMP-Dunkle Materie gesehen,"她说，并补充说还有许多其他候选者等着被发现。

大型强子对撞机的零结果，和探测器里的一片本底噪声，两次传达了同一个信息。搜索的简单版本正在收尾。这个领域在变宽，而不是在终结。

最强的通用模型只拿到53.7%，而在匹配题目上，跨尺度题目比单尺度题目低8.7分。

硬件还在往前走

量子硬件方面，IBM Research发表了"Meter-scale quantum interconnects between large quantum processors"。Semiconductor Engineering在11月2日注意到这篇论文。摘要片段描述了四个L耦合器，工作在两个120量子比特的IBM Nighthawk R1超导量子比特处理器之间。它们支持米级距离上的相干量子操作，并可扩展到任意两个模块之间的多条连接。论文作者为Sundaresan, Neereja M.等，arXiv预印本编号arXiv:2610.29986，日期为2026年10月。

模块化架构需要的正是这个：把处理器模块拼接起来，同时不在距离上丢失相干性。它是一块积木，不是一台机器，应当这样理解。

其他领域也在朝基准测试和经验证的主张靠拢。《Quanta Magazine》10月28日刊登了Yasemin Saplakoglu的文章，介绍圣地亚哥州立大学Gregory Holland领导的研究。研究讲的是蜘蛛丝纺丝液中的分子组分如何重新组织成被称为凝聚体的半液体液滴，然后再硬化成纤维。Holland把弄清这一机制称为该领域"真正的圣杯"。未参与研究的麦吉尔大学Matthew Harrington说，越来越清楚的是，凝聚体是各类生物普遍采用的策略。

这与材料研究的联系很直接。大自然有一套制造工艺，能造出比凯夫拉更坚韧的纤维。这项工作的目标是把这个机制理解到足以复制的程度。这是机制问题，不是知识回忆问题。FrontierMat说，模型恰恰在这一点上吃力。

资金与谨慎所在

本周的新闻标题里，能看到商业界对材料科学更难那一端的兴趣。这些条目只是背景，本文不能把它们当作事实依据。其中包括：SuperMatics用AI为商用导线寻找超导体；有报道称超导转变温度提升了1%；还有一项主张称一个隐藏缺陷挑战了40年的超导科学。

微软的Research Focus播客第97期于10月29日发布，预告了进入公开预览的BioEmu2和一个中期天气预报的新框架，还谈到编码智能体以及人们在工作中如何使用Copilot。这提醒人们，那些把AI当作科研引擎来卖的厂商，也在发布显示它在哪里失效的评估。

缺的是超导新闻标题本身的一手来源。没有论文，没有数据集，也没有备案文件。

这个缺口值得点明，而不是用摘要的摘要把它糊过去。

接下来看什么

FrontierMat的价值在于它可以核查。题目按功能领域、材料体系和主导机制的尺度做了标注。作者把它描述为衡量进展的试验台。如果53.7%这个数字发生变化，它变化所对照的将是一组固定的、经专家验证的题目，而不是厂商自家的基准。

那篇演化编码的论文，为如何诚实地报告AI辅助发现提供了一个范本：公开搜索程序、证明和不存在性证书，让别人去重放。量子互连的工作提供了硬件方面的对应物：一份有具名作者名单和arXiv编号的预印本。

超导研究制造头条的速度，会继续快于它产出经验证结果的速度。对读者来说，有用的问题不是某个模型或某个实验室是否宣称突破，而是其背后的证据能否被不在场的人重放。