अँथ्रोपिकच्या क्लॉड ओपस 5.5 वर चालणाऱ्या AI एजंट्सच्या टीमने खोली-तापमान अँटीफेरोमॅग्नेटिक सेमीकंडक्टरसाठी दोन उमेदवार सामग्री ओळखली आहे, जो चुंबकांचा एक वर्ग आहे ज्याचा संशोधकांनी पुढील पिढीच्या संगणकीय मेमरीसाठी बिल्डिंग ब्लॉक्स म्हणून अनेक वर्षांपासून पाठपुरावा केला आहे. संशोधक गेबी जाफ यांच्या व्हॅल्स एआय संशोधन ब्लॉगवर 4 ऑक्टोबर रोजी प्रकाशित झालेले निष्कर्ष, 1999 मध्ये प्रथम संश्लेषित केलेल्या एका नवीन डिझाइन केलेल्या कंपाऊंडचे आणि एक ज्ञात सामग्रीचे वर्णन करतात की गणनेमध्ये इच्छित गुणधर्म आहेत.

भौतिक विज्ञानातील एजंटिक AI बद्दल जे प्रात्यक्षिक करते त्यापेक्षा दोन विशिष्ट संयुगांसाठी कार्य कमी महत्त्वाचे आहे: भाषा-मॉडेल एजंट्सच्या एका लहान संघाने, योग्य संगणकीय साधने दिल्याने, एक सामग्री शोध कार्यान्वित केला जो पारंपारिकपणे काही महिन्यांसाठी एक विशेष प्रयोगशाळा व्यापेल. परिणामांसोबत संपूर्ण गणना, कोड आणि ज्ञात सावधगिरींची स्पष्ट यादी प्रकाशित केली गेली आणि पोस्टने हॅकर न्यूजवर लक्षणीय लक्ष वेधले, जिथे त्याने काही तासांत 200 पेक्षा जास्त गुण गोळा केले. AI वैज्ञानिक संशोधनाला गती कशी देत ​​आहे याबद्दल अधिक माहितीसाठी, आमच्या AI संशोधन कव्हरेजचे अनुसरण करा.

अँटीफेरोमॅग्नेटिक सेमीकंडक्टर शोधणे कठीण का आहे

बहुतेक दैनंदिन चुंबक हे फेरोमॅग्नेट्स असतात: अणु चुंबकीय क्षण सर्व समान दिशा दर्शवतात आणि एकत्र जोडतात, म्हणूनच फ्रिज चुंबक चिकटून राहतात. Antiferromagnets उलट आहेत. शेजारी आण्विक क्षण विरुद्ध दिशेने निर्देशित करतात आणि रद्द करतात, त्यामुळे सामग्री बाहेरून निव्वळ चुंबकीकरण दर्शवत नाही.

या दोन टोकांच्या दरम्यान एका गहन संशोधन प्रयत्नाचे लक्ष्य आहे: सेमीकंडक्टरच्या स्पिन-सॉर्टिंग वर्तनासह अँटीफेरोमॅग्नेट रद्द करणे एकत्रित करणारे साहित्य. स्पिंट्रॉनिक्समध्ये, हार्ड ड्राइव्ह रीड हेड्स आणि एमआरएएम मेमरीमागील तंत्रज्ञान, माहिती केवळ इलेक्ट्रिक चार्ज करण्याऐवजी इलेक्ट्रॉन स्पिनवर आधारित संग्रहित आणि वाचली जाते. चांगल्या स्पिंट्रॉनिक मटेरियलने त्यांच्या स्पिन ओरिएंटेशननुसार इलेक्ट्रॉन्सची क्रमवारी लावली पाहिजे आणि अँटीफेरोमॅग्नेटिक सेमीकंडक्टर्स हे जवळपास शून्य भटक्या चुंबकीय क्षेत्रांसह करण्याचे वचन देतात, ज्यामुळे मेमरी पेशी त्यांच्या शेजाऱ्यांमध्ये हस्तक्षेप न करता घनतेने पॅक होऊ शकतात.

गुणधर्मांच्या या संयोजनासह सामग्री दुर्मिळ आहे, आणि त्यांना शोधणे हे मुख्यत्वे अंतःप्रेरणा-जड चाचणी आणि दशकांपासून त्रुटींद्वारे पुढे गेले आहे. Vals AI टीमने घोषित केलेले दोन उमेदवार, प्रकाशित गणनेनुसार, खोलीच्या तपमानावर स्पिनद्वारे इलेक्ट्रॉनची क्रमवारी लावताना, शून्य निव्वळ चुंबकीकरण दाखवतात.

एजंट टीमने कसे काम केले

Vals AI पोस्ट संशोधक आणि क्लॉड ओपस 5.5 एजंट्सच्या टीममधील सहकार्याचे उत्पादन म्हणून या शोधाचे वर्णन करते. एक उमेदवार हे नवीन कंपाऊंड होते जे एजंट टीमने सुरवातीपासून डिझाइन केले होते, रचनांचे स्क्रीनिंग केले होते आणि त्यांच्या चुंबकीय आणि इलेक्ट्रॉनिक गुणधर्मांचे संगणकीयरित्या मूल्यांकन केले होते. दुसरे साहित्य 1999 मध्ये प्रथम बनवलेले साहित्य होते, जे साहित्यात शांतपणे बसले होते, ज्याचे गुणधर्म पूर्वी खोलीच्या तपमानावर अँटीफेरोमॅग्नेटिक सेमीकंडक्टिंग म्हणून दर्शविले गेले नव्हते.

तो दुसरा शोध AI-सहाय्यित विज्ञानातील एक आवर्ती नमुना स्पष्ट करतो: संचित साहित्यावर प्रशिक्षित मॉडेल्स सर्फेसिंग कनेक्शनवर प्रभावी आहेत जे तज्ञांनी कधीच केले नाहीत, परिणामतः दशकांच्या कंडेस्ड पदार्थ संशोधनाचे सखोल पुनर्वाचन करतात. आधुनिक तंत्रज्ञानाच्या समस्येसाठी उमेदवार म्हणून जुन्या कंपाऊंडची पुन्हा ओळख करणे हा एजंट-चालित वर्कफ्लोसाठी योग्य असलेल्या कमी किमतीचा, उच्च-लाभ मिळवण्याचा शोध आहे.

प्रकाशनाची पारदर्शकता लक्षणीय आहे. Vals AI ने संपूर्ण गणना, त्यांना तयार करणारा कोड आणि ज्ञात सावधगिरींची यादी प्रकाशित केली, विश्वास ठेवण्याऐवजी छाननीला आमंत्रित केले. एआय-फॉर-सायन्स घोषणांमध्ये मोकळेपणाचा तो स्तर सार्वत्रिक नाही आणि त्यामुळे दावा तपासणे, पुनरुत्पादन करणे किंवा खंडन करणे सोपे होते.

अंदाज, अजून पुरावा नाही

गंभीर चेतावणी अशी आहे की हे संगणकीय अंदाज आहेत. उमेदवारांचे गुणधर्म प्रयोगशाळेत उगवलेल्या क्रिस्टल्समधून नव्हे तर सैद्धांतिक गणनेतून येतात. Vals AI पोस्ट स्वतःच परिणामांना अंदाज म्हणून फ्रेम करते आणि सावधांची यादी तंतोतंत प्रकाशित करते कारण सिम्युलेशन वास्तविकतेपासून वेगळे होऊ शकतात, विशेषत: चुंबकीय सामग्रीसाठी जेथे सूक्ष्म विनिमय परस्परसंवाद संरचनात्मक तपशीलांसाठी कुख्यातपणे संवेदनशील असतात.

अंदाज आणि पुष्टी यातील अंतर आहे जेथे बहुतेक संगणकीय साहित्य शोध थांबतात. दोन्ही उमेदवारांना सत्यापित खोली-तापमान अँटीफेरोमॅग्नेटिक सेमीकंडक्टरमध्ये बदलण्यासाठी संश्लेषण, संरचनात्मक वैशिष्ट्य आणि चुंबकीय मापन आवश्यक आहे, जे एजंट संघ करू शकत नाहीत. जर प्रायोगिक गटांनी अंदाजांची प्रतिकृती केली, तर परिणाम सामग्री शोधात योगदान देणाऱ्या AI एजंट्सच्या सर्वात ठोस उदाहरणांमध्ये स्थान मिळवेल; ते अयशस्वी झाल्यास, सावधगिरीची यादी बरेच काही स्पष्ट करेल.

एआय संशोधन कोठे जात आहे याचे चिन्ह

हा भाग प्रथिन संरचनेच्या अंदाजापासून अल्गोरिदम शोधापर्यंत वास्तविक वैज्ञानिक कार्यात योगदान देणाऱ्या फ्रंटियर मॉडेल्सच्या वाढत्या रेकॉर्डमध्ये भर घालतो. या निकालाला काय वेगळे करते ते म्हणजे एजंटिक फ्रेमिंग: एका प्रश्नाचे उत्तर देणाऱ्या मॉडेलऐवजी, एजंटांच्या समन्वित कार्यसंघाने पुनरावृत्ती शोध कार्यप्रवाह चालविला, विस्तारित सत्रात संयुगे डिझाइन, स्क्रीनिंग आणि मूल्यांकन केले.

संशोधन सेटिंग्जमध्ये एजंटिक एआय त्याच्या खर्चाचे समर्थन करू शकते की नाही याबद्दल विचार करणाऱ्या प्रयोगशाळांसाठी, येथील अर्थशास्त्र सूचक आहे. एकेकाळी समर्पित कर्मचाऱ्यांच्या वेळेची आवश्यकता असलेल्या साहित्य स्क्रीनने दोन चाचणी करण्यायोग्य उमेदवार तयार केले, त्यापैकी एक 1999 पासून साध्या दृष्टीक्षेपात लपला होता. पुढील पायरी मानवी प्रयोगवाद्यांची आहे आणि त्यांच्या मोजमापांचे परिणाम क्लॉड ओपस 5.5 च्या एजंटना दोन वास्तविक सामग्री किंवा दोन मनोरंजक गणिते सापडली की नाही हे दर्शवेल.

AI च्या पुढे रहा

मटेरियल डिस्कवरीपासून ते मॉडेल रिलीझपर्यंत, सीमा वेगाने पुढे सरकते. AI Buzz Wire वर नवीनतम AI घडामोडी मिळवा, चोवीस तास अपडेट केले जातात.

येथे अधिक AI बातम्या वाचा.