Anthropic の Claude Opus 5.5 上で実行される AI エージェントのチームは、研究者が次世代コンピューター メモリの構成要素として長年追求してきた磁石の一種である室温反強磁性半導体の 2 つの候補材料を特定しました。研究者のGeby Jaff氏がVals AI研究ブログで10月4日に発表したこの研究結果は、新たに設計された1つの化合物と、1999年に初めて合成された既知の材料1つについて、計算により求められている特性があるとフラグが立てられたことを説明している。

この研究は、2 つの特定の化合物については、物理科学におけるエージェント AI について実証することよりも重要です。適切な計算ツールを与えられた言語モデル エージェントの小規模チームが、従来であれば専門の研究室を数か月占有していた材料検索を実行しました。完全な計算、コード、既知の警告の明示的なリストが結果とともに公開され、この投稿は Hacker News で大きな注目を集め、数時間以内に 200 以上のポイントを集めました。 AI が科学研究をどのように加速しているかについて詳しくは、AI 研究の報道をご覧ください。

反強磁性半導体の発見が難しい理由

日常的に使われているほとんどの磁石は強磁性体です。原子の磁気モーメントはすべて同じ方向を指し、加算されます。これが冷蔵庫の磁石がくっつく理由です。反強磁性体はその逆です。隣接する原子モーメントは反対方向を向いて打ち消し合うため、この材料は基本的に外部からの正味の磁化を示しません。

これら 2 つの極端の間には、反強磁性体の相殺と半導体のスピンソート動作を組み合わせた材料という、熱心な研究努力の目標があります。ハードドライブ読み取りヘッドとMRAMメモリの背後にある技術であるスピントロニクスでは、情報は電荷のみではなく電子スピンに基づいて保存され、読み取られます。優れたスピントロニクス材料は、スピンの向きによって電子を分類する必要があり、反強磁性半導体は、ゼロに近い漂遊磁場でこれを行うことが約束されており、メモリセルを隣接するメモリセルに干渉することなく高密度に詰め込むことができます。

このような特性の組み合わせを持つ材料は稀であり、その発見は主に数十年にわたる直感に頼った試行錯誤によって進められてきました。 Vals AI チームが発表した 2 つの候補は、公開された計算によれば、どちらも室温で電子をスピンによって分類しながら、正味磁化がゼロであることを示しています。

エージェント チームの働き方

Vals AI の投稿では、この発見は研究者と Claude Opus 5.5 エージェントのチームとの共同作業の成果であると説明されています。候補の 1 つは、エージェント チームがゼロから設計した新しい化合物で、構造をスクリーニングし、その磁気的および電子的特性をコンピューターで評価しました。 2 つ目は 1999 年に初めて作られた材料で、文献の中にひっそりと眠っていましたが、その特性はこれまで室温で反強磁性半導体として特徴付けられていませんでした。

この 2 番目の発見は、AI 支援科学で繰り返されるパターンを示しています。蓄積された文献に基づいてトレーニングされたモデルは、専門家が決して作成しなかったつながりを明らかにするのに効果的であり、事実上、数十年にわたる凝縮物質研究の深い再読を実行します。古い化合物を最新のテクノロジーの問題の候補として再特定することは、まさにエージェント駆動のワークフローが適した、低コストで高レバレッジの検索の一種です。

リリースの透明性は注目に値します。 Vals AI は完全な計算、計算を生成したコード、既知の警告のリストを公開し、信頼を求めるのではなく精査を求めました。このレベルの公開性は科学向け AI の発表では一般的ではありませんが、そのため主張の確認、再現、反論が容易になります。

予測ですが、まだ証拠はありません

重要な注意点は、これらは計算による予測であるということです。候補の特性は、実験室で成長させた結晶からではなく、理論計算から得られます。 Vals AI の投稿自体が結果を予測として枠付けし、警告リストを公開しているのは、特に微妙な交換相互作用が構造の詳細に敏感であることで悪名高い磁性材料の場合、シミュレーションが現実から乖離する可能性があるためです。

予測と確認の間のギャップは、ほとんどの計算材料発見が行き詰まっている場所です。どちらの候補を検証済みの室温反強磁性半導体にするには、合成、構造特性評価、磁気測定が必要ですが、これらの作業はエージェントチームでは実行できません。実験グループが予測を再現した場合、その結果は、材料発見に貢献する AI エージェントの最も具体的な例にランクされるでしょう。失敗した場合は、警告リストで多くのことが説明されます。

AI 研究がどこに向かっているのかを示す兆候

このエピソードは、タンパク質の構造予測からアルゴリズムの発見に至るまで、実際の科学研究に貢献するフロンティア モデルの記録をさらに増やすものです。この結果の特徴は、エージェントの枠組みです。単一の質問に答えるモデルではなく、エージェントの調整されたチームが反復的な検索ワークフローを実行し、長時間のセッションにわたって化合物の設計、スクリーニング、評価を行いました。

研究現場でエージェント AI のコストを正当化できるかどうか疑問に思っている研究室にとって、ここでの経済学は示唆に富んでいます。かつては専任のスタッフ時間を必要としたマテリアル スクリーンで 2 つのテスト可能な候補が生成され、そのうちの 1 つは 1999 年以来人目につかないところに隠れていました。次のステップは人間の実験者が担当し、彼らの測定結果により、Claude Opus 5.5 のエージェントが 2 つの実際のマテリアルを見つけたか、それとも 2 つの興味深い計算を見つけたかが示されます。

AI の一歩先を行く

材料の発見からモデルのリリースまで、フロンティアは急速に進んでいます。 AI Buzz Wire で最新の AI 開発情報を入手、24 時間更新。

AI ニュースの詳細はこちら。