Agenci Claude Opus 5.5 znajdują dwa kandydatury na materiały do pamięci przyszłości
Trzeci obszar pokazuje, co dzieje się, gdy agentowe modele zostaną skierowane na realny problem naukowy. Firma Vals AI, znana głównie z niezależnych benchmarków, opublikowała czwartego października raport, w którym zespół badacza Geby'ego Jaffa i ponad dziewięćdziesięciu agentów opartych na Claude Opus 5.5 w ciągu trzech dni wskazał dwóch kandydatów na tak zwane magnesy kompensowane Luttingera, czyli materiały, które mają jednocześnie zerowy wypadkowy moment magnetyczny i zdolność sortowania elektronów według spinu. To połączenie jest od dziesięcioleci celem badań nad pamięciami nowej generacji, bo pozwoliłoby łączyć gęstość antyferromagnetyków z czytelnym sygnałem elektrycznym, którego antyferromagnetyki zwykle nie dają. Jednym z kandydatów jest nowo zaprojektowany związek YBaMnFeO5, dla którego obliczenia przewidują przerwę energetyczną 2,35 elektronowolta i okna spinowe rzędu jednego elektronowolta, czyli wielokrotnie powyżej około 26 milielektronowoltów drgań termicznych w temperaturze pokojowej. Drugim jest KV[Cr(CN)6], związek zsyntetyzowany już w 1999 roku, którego właściwości magnetyczne utrzymywały się do 376 kelwinów, czyli 103 stopni Celsjusza.
Źródło: vals-ai
Uczciwa ocena wymaga tu wyraźnego oddzielenia tego, co policzone, od tego, co zrobione w laboratorium. Oba wyniki są hipotezami obliczeniowymi opartymi na teorii funkcjonału gęstości, przeprowadzonymi w około 750 zadaniach na procesorach w chmurze Modal z użyciem pakietu Quantum ESPRESSO, i żaden nie został potwierdzony eksperymentalnie. Co więcej, agenci sami zakwalifikowali pierwszy z materiałów jako studium projektowe, a nie realne odkrycie, bo uporządkowanie atomów manganu i żelaza w szachownicę prawdopodobnie rozpada się w temperaturach 950 kelwinów, podczas gdy typowa synteza takich tlenków prowadzi się między 900 a 1300 stopni Celsjusza, więc zwykła metoda produkcyjna zniszczyłaby porządek odpowiedzialny za efekt. Wartością tego raportu jest więc nie samo odkrycie, lecz metoda: agenci podzielili projekt na równoległe tory poszukiwań, symulacji i recenzji adwersarskiej, z góry ustalili kryteria zaliczenia przed wykonaniem rozstrzygających obliczeń, a cały łańcuch dowodowy — dane wejściowe, surowe wyniki, skrypty i pięć korekt — opublikowali w publicznym repozytorium na GitHubie. To jest ten sam wzorzec, który seria opisuje od tygodni w warstwie automatyzacji badań: wartość nie polega na tym, że model zastępuje naukowca, lecz na tym, że potrafi w trzy dni przeszukać przestrzeń, którą człowiek przeszukiwałby miesiącami, i pozostawić po sobie audytowalny ślad. Twardy pozostaje fakt opublikowania raportu i to, że agenci wykonali realną pracę obliczeniową; interpretacją jest to, czy któryś z tych materiałów trafi kiedykolwiek do produkcji.