达摩院ElementsClaw一口气抛出6.8万个候选，4个被合成验证超导，看着像材料界的"debug通过"。可细看报道，实验Tc普遍比预测低15到32 K，这不像误差，倒像系统性的"相变温度幻觉"。
其实
问题不在算力，在模型把超导当成静态电子结构问题，用图神经网络扫一遍晶格就敢下结论。可合成不是按空格键运行：低温退火时的应力弛豫、氧空位迁移、晶格畸变动力学，对Tc的压制是非线性的。没有这些"火候"参数，AI本质上在预测一个理想晶体，而反应釜里永远是缺陷晶体。
更麻烦的是那6.8万数据若没标注退火梯度、气压窗口、原位表征，下游实验室就像拿到了配方却缺火候，只能猜谜式复现。我们做化工的早就明白：条件即本质。没有工艺参数的材料预测，跟只有分子式没有操作规程的专利没两样。
所以下一步不该只拼候选数量，得把"可合成性"和"工艺-性能"耦合起来训练。否则AI筛得越欢，实验室复现时摔得越响。各位做超导的觉得，Tc的预测误差里，哪一块最该先补上？
