磁半导体

10 月 5 日前后，AI for Science 领域传出一个小而硬的进展：Vals.ai 的团队用 AI 智能体设计并筛选磁性材料，产出两个候选方案——其中一个是全新材料，另一个则是一种早在 1999 年就被首次合成、却被重新发掘出来的材料。两者都被预测兼具半导体带隙与零净磁化，并具备自旋选择性。当然，这距离真正的实验验证还有相当长的路要走，计算预测再漂亮，也必须过得了合成与表征这一关。 这次和「预测」有什么不同 过去几年，AI 在科学上的成功多是「预测」：给一个结构，预测它的性质；给一个序列，预测它的折叠。这一步是「设计」——AI 智能体反过来主动提出候选材料，再自己做初筛。 差别在于，前者是被动拟合数据，后者是把提出假设、检索文献、计算初筛这套科研流程交给智能体跑。团队相当于让 AI 在材料组合的巨大空间里先扫一遍，把最有希望的几个捞出来，再交给实验科学家验证。 「翻出 1999 年的老材料」为什么重要 更有意思的是那个被重新发现的旧材料。材料学历史上，大量早期合成过的化合物因为后续没人跟进而沉在文献里。AI 智能体的价值之一，就是不知疲倦地把这些「沉睡资产」重新翻出来，用新的物理视角重新评估。这比从零发明新材料，往往更快出成果。 判断 室温磁半导体是自旋电子学长期想要的材料，一旦在实验中坐实，对低功耗存储与计算意义重大。但要冷静：这只是计算预测阶段，实验合成与表征才是裁判。真正值得记住的趋势是——AI 智能体正在成为科学发现的「前哨」，把文献检索、假设生成和初筛自动化，让人类科学家把精力集中在最关键的验证上。这场「AI 提假设、人做实验」的分工，才刚开始。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：AI磁半导体