Команда агентів зі штучного інтелекту, які працюють на Claude Opus 5.5 від Anthropic, визначила два кандидати на матеріали для антиферомагнітних напівпровідників кімнатної температури, класу магнітів, які дослідники роками шукали як будівельні блоки для комп’ютерної пам’яті наступного покоління. Висновки, опубліковані 4 жовтня в дослідницькому блозі Vals AI дослідником Гебі Джаффом, описують одну нову сполуку та один відомий матеріал, вперше синтезований у 1999 році, який, згідно з розрахунками, має бажані властивості.
Робота має менше значення для двох конкретних сполук, ніж для того, що вона демонструє про агентний ШІ у фізичних науках: невелика команда агентів мовної моделі, маючи правильні обчислювальні інструменти, здійснила пошук матеріалів, який традиційно займав спеціалізовану лабораторію місяцями. Повні розрахунки, код і явний список відомих застережень були опубліковані разом з результатами, і публікація привернула значну увагу в Hacker News, де вона зібрала понад 200 балів за кілька годин. Щоб дізнатися більше про те, як штучний інтелект прискорює наукові дослідження, слідкуйте за нашими дослідженнями ШІ.
Чому антиферомагнітні напівпровідники важко знайти
Більшість повсякденних магнітів є феромагнетиками: усі атомні магнітні моменти вказують в одному напрямку й складаються разом, тому магніт на холодильник прилипає. Антиферомагнетики – навпаки. Сусідні атомні моменти вказують у протилежних напрямках і компенсуються, тому матеріал практично не демонструє чистої намагніченості ззовні.
Між цими двома крайнощами лежить мета інтенсивних дослідницьких зусиль: матеріали, які поєднують придушення антиферомагнетика з поведінкою напівпровідника за спіном. У спінтроніці, технології, що лежить в основі головок для читання жорсткого диска та пам’яті MRAM, інформація зберігається та зчитується на основі обертання електрона, а не лише електричного заряду. Хороший спінтронний матеріал повинен сортувати електрони за їхньою орієнтацією спіну, і антиферомагнітні напівпровідники обіцяють зробити це за допомогою магнітних полів, близьких до нуля, що дозволить щільно упаковувати елементи пам’яті, не заважаючи їхнім сусідам.
Матеріали з такою комбінацією властивостей зустрічаються рідко, і їх пошуки в основному відбувалися шляхом інтуїтивних спроб і помилок протягом десятиліть. Обидва кандидати, оголошені командою Vals AI, демонструють, згідно з опублікованими розрахунками, нульову чисту намагніченість, але все ще сортують електрони за спіном при кімнатній температурі.
Як працювала команда агентів
Повідомлення Vals AI описує відкриття як результат співпраці між дослідником і командою агентів Claude Opus 5.5. Одним із кандидатів була нова сполука, яку команда агентів розробила з нуля, перевіряючи структури та оцінюючи їхні магнітні та електронні властивості за допомогою обчислень. Другим був матеріал, вперше виготовлений у 1999 році, який тихо сидить у літературі, чиї властивості раніше не характеризували як антиферомагнітні напівпровідники при кімнатній температурі.
Ця друга знахідка ілюструє повторювану закономірність у науці за допомогою штучного інтелекту: моделі, навчені на основі накопиченої літератури, ефективні для виявлення зв’язків, яких спеціалісти ніколи не встановлювали, фактично виконуючи глибоке перечитування десятиліть досліджень конденсованого середовища. Повторна ідентифікація старої сполуки як кандидата на вирішення сучасної технологічної проблеми — це саме той вид недорогого пошуку з високим рівнем кредиту, для якого підходять робочі процеси, керовані агентами.
Примітна прозорість релізу. Vals AI опублікував повні розрахунки, код, який їх створив, і список відомих застережень, запрошуючи до ретельного вивчення, а не вимагаючи довіри. Такий рівень відкритості не є універсальним в оголошеннях ШІ для науки, і це полегшує перевірку, відтворення або спростування заяви.
Передбачення, ще не підтверджені
Важливе застереження полягає в тому, що це обчислювальні прогнози. Властивості кандидатів випливають із теоретичних розрахунків, а не з кристалів, вирощених у лабораторії. Сама публікація Vals AI оформляє результати як прогнози та публікує список застережень саме тому, що моделювання може відрізнятися від реальності, особливо для магнітних матеріалів, де тонкі обмінні взаємодії, як відомо, чутливі до структурних деталей.
Розрив між прогнозованим і підтвердженим є місцем, де зупиняється більшість відкриттів обчислювальних матеріалів. Перетворення будь-якого кандидата на перевірений антиферомагнітний напівпровідник кімнатної температури потребує синтезу, структурних характеристик і магнітних вимірювань, роботи, яку не можуть виконати команди агентів. Якщо експериментальні групи повторять прогнози, результат буде одним із найбільш конкретних прикладів агентів ШІ, які сприяють відкриттю матеріалів; якщо вони зазнають невдачі, список застережень багато чого пояснить.
Ознака того, куди прямують дослідження ШІ
Цей епізод доповнює зростаючу кількість передових моделей, які сприяють справжньому науковому дослідженню, від прогнозування структури білка до відкриття алгоритму. Що відрізняє цей результат, так це агентна структура: замість того, щоб модель відповідала на одне запитання, скоординована команда агентів запустила ітеративний робочий процес пошуку, розробляючи, перевіряючи та оцінюючи сполуки протягом тривалого сеансу.
Для лабораторій, які цікавляться, чи може агентний штучний інтелект виправдати свої витрати в дослідницьких умовах, економіка тут наводить на думку. Екран матеріалів, який колись вимагав виділеного часу персоналу, створив двох перевірених кандидатів, один із яких ховався на виду з 1999 року. Наступний крок належить дослідникам-людям, і результати їхніх вимірювань покажуть, чи знайшли агенти Клода Опус 5.5 два справжніх матеріалу чи два цікавих розрахунку.
Будьте попереду ШІ
Від відкриття матеріалів до випуску моделей, рубіж швидко рухається. Отримайте останні розробки ШІ на AI Buzz Wire, оновлюється цілодобово.
Більше новин AI читайте тут.
