在 Anthropic 的 Claude Opus 5.5 上运行的人工智能代理团队已经确定了两种室温反铁磁半导体的候选材料，这是研究人员多年来一直致力于将其作为下一代计算机内存的构建模块的一类磁铁。研究人员 Geby Jaff 于 10 月 4 日在 Vals AI 研究博客上发表了研究结果，描述了一种新设计的化合物和一种于 1999 年首次合成的已知材料，计算结果表明其具有广受欢迎的特性。

这项工作对于两种特定的化合物来说并不重要，重要的是它在物理科学中展示了代理人工智能的内容：一个由语言模型代理组成的小团队，在给予正确的计算工具的情况下，执行了材料搜索，而传统上这需要占用一个专门的实验室几个月的时间。完整的计算、代码和已知注意事项的明确列表与结果一起发布，该帖子引起了 Hacker News 的高度关注，数小时内就获得了 200 多个点。有关人工智能如何加速科学研究的更多信息，请关注我们的人工智能研究报道。

为什么反铁磁半导体很难找到

大多数日常磁铁都是铁磁体：原子磁矩都指向同一方向并加在一起，这就是冰箱磁铁粘住的原因。反铁磁体则相反。相邻的原子矩指向相反的方向并相互抵消，因此该材料基本上没有显示出来自外部的净磁化强度。

在这两个极端之间存在着大量研究工作的目标：将反铁磁体的抵消与半导体的自旋分选行为结合起来的材料。在自旋电子学（硬盘驱动器读取头和 MRAM 存储器背后的技术）中，信息的存储和读取基于电子自旋，而不仅仅是电荷。良好的自旋电子材料必须根据电子的自旋方向对电子进行分类，而反铁磁半导体有望通过接近零的杂散磁场来实现这一点，这将使存储单元密集排列，而不会干扰相邻的存储单元。

具有这种特性组合的材料非常罕见，并且在很大程度上是通过数十年的直觉试验和错误来找到它们的。根据已发布的计算结果，Vals AI 团队宣布的两种候选方案均显示出零净磁化强度，同时仍然在室温下通过自旋对电子进行排序。

代理团队如何工作

Vals AI 的帖子将这一发现描述为研究人员与 Claude Opus 5.5 代理团队合作的产物。其中一个候选者是特工团队从头开始设计的一种新化合物，筛选结构并通过计算评估其磁性和电子特性。第二种材料是 1999 年首次制造的，静静地存在于文献中，其特性此前并未被描述为室温下的反铁磁半导体。

第二个发现说明了人工智能辅助科学中反复出现的模式：根据积累的文献训练的模型可以有效地揭示专家从未建立过的联系，实际上是对数十年的凝聚态物质研究进行了深入的重新阅读。将旧化合物重新识别为现代技术问题的候选化合物正是代理驱动工作流程适合的低成本、高杠杆搜索。

发布的透明度值得注意。 Vals AI 发布了完整的计算结果、生成计算结果的代码以及一系列已知的警告，邀请人们进行审查，而不是寻求信任。这种程度的开放性在人工智能促进科学的公告中并不普遍，这使得这种说法更容易被检查、复制或反驳。

预测，尚未得到证实

关键的警告是这些都是计算预测。候选人的特性来自理论计算，而不是来自实验室生长的晶体。 Vals AI 帖子本身将结果框定为预测，并发布了警告列表，正是因为模拟可能与现实存在偏差，特别是对于磁性材料，其中微妙的交换相互作用对结构细节非常敏感。

预测与证实之间的差距是大多数计算材料发现停滞的地方。将任一候选物转变为经过验证的室温反铁磁半导体需要合成、结构表征和磁性测量，而这些工作是代理团队无法完成的。如果实验组重复这些预测，结果将跻身人工智能代理有助于材料发现的最具体例子之列；如果他们失败了，警告清单会解释很多。

人工智能研究发展方向的标志

从蛋白质结构预测到算法发现，这一事件进一步丰富了前沿模型对真正科学工作的贡献。这一结果的独特之处在于代理框架：协调一致的代理团队运行迭代搜索工作流程，在长时间的会话中设计、筛选和评估化合物，而不是回答单个问题的模型。

对于想知道代理人工智能是否能够证明其在研究环境中的成本合理的实验室来说，这里的经济学是有启发性的。曾经需要专门工作人员时间的材料屏幕产生了两种可测试的候选材料，其中一种自 1999 年以来就隐藏在人们的视线中。下一步属于人类实验人员，他们的测量结果将显示 Claude Opus 5.5 的特工是否发现了两种真实材料或两个有趣的计算。

保持人工智能领先地位

从材料发现到模型发布，前沿发展迅速。 在 AI Buzz Wire 上获取最新的人工智能进展，全天候更新。

在此处阅读更多人工智能新闻。