Agenci Claude Opus 5.5 odkrywają dwóch kandydatów na antyferromagnetyczne półprzewodniki działające w temperaturze pokojowej

Zespół agentów AI korzystających z oprogramowania Claude Opus 5.5 firmy Anthropic zidentyfikował dwa materiały kandydujące na półprzewodniki antyferromagnetyczne działające w temperaturze pokojowej – klasę magnesów, których badacze od lat poszukiwali jako elementy składowe pamięci komputerowej nowej generacji. Odkrycia, opublikowane 4 października na blogu badawczym Vals AI przez badacza Geby'ego Jaffa, opisują jeden nowo zaprojektowany związek i jeden znany materiał zsyntetyzowany po raz pierwszy w 1999 r., który według obliczeń ma poszukiwane właściwości.

Praca ma mniejsze znaczenie w przypadku dwóch konkretnych związków niż w przypadku tego, co wykazano na temat agentycznej sztucznej inteligencji w naukach fizycznych: niewielki zespół agentów zajmujących się modelami językowymi, dysponując odpowiednimi narzędziami obliczeniowymi, przeprowadził poszukiwania materiałów, które tradycyjnie zajmowałyby specjalistyczne laboratorium miesiącami. Wraz z wynikami opublikowano pełne obliczenia, kod i wyraźną listę znanych zastrzeżeń, a post wzbudził duże zainteresowanie w serwisie Hacker News, gdzie w ciągu kilku godzin zebrał ponad 200 punktów. Więcej informacji na temat tego, jak sztuczna inteligencja przyspiesza badania naukowe, można znaleźć w naszych relacjach z badań nad sztuczną inteligencją.

Dlaczego półprzewodniki antyferromagnetyczne są trudne do znalezienia

Większość magnesów używanych na co dzień to ferromagnesy: wszystkie atomowe momenty magnetyczne są skierowane w tym samym kierunku i sumują się, dlatego magnes na lodówkę się przykleja. Antyferromagnesy są odwrotnością. Sąsiednie momenty atomowe są skierowane w przeciwne strony i znoszą się, więc materiał zasadniczo nie wykazuje namagnesowania netto z zewnątrz.

Pomiędzy tymi dwoma skrajnościami leży cel intensywnych wysiłków badawczych: materiały łączące eliminację antyferromagnetyku z zachowaniem półprzewodnika polegającym na sortowaniu spinu. W spintronice, technologii stojącej za głowicami odczytującymi dyski twarde i pamięcią MRAM, informacje są przechowywane i odczytywane w oparciu o spin elektronów, a nie sam ładunek elektryczny. Dobry materiał spintroniczny musi sortować elektrony według ich orientacji spinu, a półprzewodniki antyferromagnetyczne obiecują robić to przy użyciu rozproszonych pól magnetycznych o wartości bliskiej zeru, co umożliwiłoby gęste upakowanie komórek pamięci bez zakłócania działania sąsiadów.

Materiały o takiej kombinacji właściwości są rzadkie, a ich odnalezienie w dużej mierze odbywało się na przestrzeni dziesięcioleci metodą prób i błędów opartych na intuicji. Według opublikowanych obliczeń obaj kandydaci ogłoszeni przez zespół Vals AI wykazują zerowe namagnesowanie netto, jednocześnie sortując elektrony poprzez spin w temperaturze pokojowej.

Jak pracował zespół agenta

W poście Vals AI odkrycie opisano jako wynik współpracy badacza z zespołem agentów Claude Opus 5.5. Jednym z kandydatów był nowy związek, który zespół agentów zaprojektował od podstaw, sprawdzając struktury i oceniając obliczeniowo ich właściwości magnetyczne i elektroniczne. Drugim był materiał wyprodukowany po raz pierwszy w 1999 r., cicho opisywany w literaturze, którego właściwości nie były wcześniej scharakteryzowane jako półprzewodniki antyferromagnetyczne w temperaturze pokojowej.

To drugie odkrycie ilustruje powtarzający się schemat w nauce wspomaganej sztuczną inteligencją: modele wytrenowane na podstawie zgromadzonej literatury skutecznie ujawniają powiązania, których specjaliści nigdy nie stworzyli, w efekcie dokonując głębokiej, ponownej lektury dziesięcioleci badań nad materią skondensowaną. Ponowna identyfikacja starego związku jako kandydata do rozwiązania problemu współczesnej technologii to dokładnie ten rodzaj taniego wyszukiwania o dużym wykorzystaniu dźwigni, do jakiego nadają się przepływy pracy oparte na agentach.

Godna uwagi jest przejrzystość publikacji. Vals AI opublikował pełne obliczenia, kod, który je wygenerował, oraz listę znanych zastrzeżeń, zachęcając do kontroli, a nie prosząc o zaufanie. Ten poziom otwartości nie jest powszechny w ogłoszeniach dotyczących sztucznej inteligencji dla nauki i ułatwia sprawdzenie, odtworzenie lub obalenie twierdzenia.

Prognozy, ale jeszcze nie dowód

Najważniejszym zastrzeżeniem jest to, że są to przewidywania obliczeniowe. Właściwości kandydatów wynikają z obliczeń teoretycznych, a nie z kryształów hodowanych w laboratorium. Sam post Vals AI przedstawia wyniki jako przewidywania i publikuje listę zastrzeżeń właśnie dlatego, że symulacje mogą odbiegać od rzeczywistości, szczególnie w przypadku materiałów magnetycznych, w przypadku których subtelne interakcje wymiany są notorycznie wrażliwe na szczegóły strukturalne.

Rozbieżność między przewidywaniami a potwierdzeniami to miejsce, w którym większość odkryć materiałów obliczeniowych utknęła w martwym punkcie. Przekształcenie dowolnego kandydata w zweryfikowany półprzewodnik antyferromagnetyczny pracujący w temperaturze pokojowej wymaga syntezy, charakterystyki strukturalnej i pomiarów magnetycznych, a jest to praca, której nie są w stanie wykonać zespoły agentów. Jeśli grupy eksperymentalne powtórzą przewidywania, wynik będzie jednym z najbardziej konkretnych przykładów czynników AI przyczyniających się do odkrywania materiałów; jeśli zawiodą, lista zastrzeżeń wiele wyjaśni.

Znak wskazujący, dokąd zmierzają badania nad sztuczną inteligencją

Odcinek ten uzupełnia rosnącą listę modeli pionierskich przyczyniających się do prawdziwej pracy naukowej, od przewidywania struktury białek po odkrywanie algorytmów. Tym, co wyróżnia ten wynik, jest ramowanie agentyczne: zamiast modelu odpowiadającego na pojedyncze pytanie, skoordynowany zespół agentów przeprowadził iteracyjny proces wyszukiwania, projektując, przeglądając i oceniając związki w ciągu dłuższej sesji.

Dla laboratoriów zastanawiających się, czy agentyczna sztuczna inteligencja może uzasadnić swoje koszty w warunkach badawczych, ekonomia jest tutaj sugestywna. Ekran materiałów, który kiedyś wymagał zaangażowania personelu, pozwolił uzyskać dwóch nadających się do przetestowania kandydatów, z których jeden ukrywał się od 1999 r. Następny krok należy do eksperymentatorów na ludziach, a wyniki ich pomiarów pokażą, czy agenci Claude Opus 5.5 znaleźli dwa prawdziwe materiały, czy też dwa interesujące obliczenia.

Wyprzedź sztuczną inteligencję

Od odkrywania materiałów po premiery modeli, granica przesuwa się szybko. Otrzymaj najnowsze osiągnięcia AI w AI Buzz Wire, aktualizowane przez całą dobę.

Przeczytaj więcej wiadomości o sztucznej inteligencji tutaj.