実践

Opus 4.5 Agentが室温磁性半導体を発見:汎用LLMによる科学研究の自動化が現実になった

Vals AIがClaude Opus 4.5エージェントを用いて材料探索からDFT検証までを一気通貫で実行し、室温磁性半導体の候補を2つ特定した。Hacker Newsで172ポイント・128コメントを集めたこの成果は、LLMエージェントが硬科学分野で定量的な結果を出した稀有な事例として注目されている。

文字サイズ

何が起きたのか

昨日、Hacker Newsのフロントページに目を引く話題が載っていた。Vals AIがClaude Opus 4.5エージェントを使って材料探索のワークフロー全体をエンドツーエンドで実行し、室温磁性半導体の候補を2つ発見したという内容だ。172ポイント、128コメント。AI for Scienceの分野は誇張報道が多いため、ここまでの議論が交わされるケースは珍しい。

ざっくり言えばこうだ。室温磁性半導体は凝縮系物理学が数十年取り組んできたテーマであり、いまだ決定打が出ていない。それを汎用LLMエージェントが自分でフローを回し、自分で候補を絞り、自分で検証し、材料を提案した——というのが今回の話。

実際にやったこと

Vals AIはOpus 4.5エージェントに材料発見の一連のプロセスを実行させた。

  • 候補生成:既存の材料データベースと物理的な知見をもとに、磁性と半導体性を併せ持つ化合物構造を生成
  • スクリプト作成:エージェント自身がコードを書き、第一原理計算ツール(VASPやQuantum ESPRESSOなどのDFTソフトウェア)を呼び出す
  • DFT検証:候補構造に対して密度汎関数理論の計算を実施し、磁気モーメントとバンド構造を確認
  • 絞り込み:「室温下で安定」「磁性を持つ」「半導体性がある」という3つの制約を満たす結果のみを抽出

最終的なアウトプットは、室温磁性半導体の候補材料2種。

⚠️ 一点補足しておくと、Vals AIのブログタイトルでは「4.5」が「5.5」と誤記されている(原文 https://www.vals.ai/blogs/room-temperature-magnetic-semiconductors)。これは単純なタイポで、Anthropicが現在公開しているOpusのバージョンは5.5ではなく4.5である。

注目すべき理由

従来のAI for Scienceは「補助」の枠に収まっていた。

  • AlphaFoldのタンパク質構造予測——専用モデルと大規模計算資源
  • GNoMEによる新材料探索——Google DeepMindが数百万GPU時間を投入
  • GNoMEの拡張研究——同じく専用パイプライン

共通しているのは専用モデル + 特化パイプライン + 大量計算資源という構成だ。いずれもワンオフの工学的偉業であり、テーマが変われば基本的にイチから組み直す必要がある。

今回はそこが違う。Vals AIが使ったのは汎用LLMエージェントだ。専用学習は施されておらず、アーキテクチャの特化改造もない。Claude Opus 4.5と既存のDFTツールチェーンをそのまま組み合わせている。理論上、再現できる。ここが重要なポイントだ。

もうひとつの逆張りの観点は、アウトプットが検証可能な物理的成果であるという点。デモでも「美しいコード」でもなく、DFTに投入すればバンド図・バンドギャップ・磁気モーメントが得られる候補材料を提示している。LLMエージェントの文脈で、こうした定量的な科学成果が出るのは非常にまれだ。

処理フローの内訳:プロンプトからDFTまで

Vals AIは完全なプロンプトを公開していないが、公開情報とHacker Newsのコメント欄から、ワークフローはおそらく次のようなものだと推測できる。

1. システムプロンプト:タスクを定義——室温磁性半導体を探索
   - 入力:既知の材料データベース(Materials Projectなど)
   - 制約:磁気モーメント > 閾値、バンドギャップ 0.1〜3 eV、形成エネルギー < 閾値
   - ツール:DFT計算スクリプト + ファイル読み書き + コード実行

2. エージェント自律ループ(ReActなど):
   - Thought:「遷移金属をドープした酸化物を探す必要がある」
   - Action:候補構造を生成するスクリプトを書く(CIFファイル)
   - Observation:構造生成成功
   - Thought:「VASPで磁性を計算する」
   - Action:入力ファイルを作成して計算投入
   - Observation:磁気モーメント 2.3 μB
   - Thought:「バンドギャップが小さすぎる、ドープ比率を調整する」
   - Action:構造を修正して再計算
   - ...(N回ループ)

3. 人間が介在する箇所:
   - タスク定義、制約条件の設定、最終結果の選別
   - DFT計算のリソース管理(ローカルかスパコンか)
   - 物理的な解釈と後続の実験設計

エージェントが自律的に判断しているのはどこか。候補生成、パラメータ調整、反復最適化——このあたりはほぼエージェント自身が回している。一方、人のループに残っているのはタスク定義、最終判定、実験合成——要するに判断と実行のコア部分だ。

見落とされがちな3つのポイント

(1) 室温磁性半導体自体が難題

「AIが○○問題を制覇した」という類の話ではない。室温磁性半導体はspintronicsの中核材料であり、凝縮系物理学で何十年も行き詰まってきたテーマだ。既知材料はキュリー温度が室温を大きく下回るか、磁性が弱すぎて実用にならない。spintronicsの教科書を開けば、この苦い歴史が必ず載っている。

(2) 「候補」と「合成」は別物

DFTで安定だという結果と、実験で実際に作れることはイコールではない。本物の材料になるまでには少なくとも10段階ある。合成→特性評価→磁性測定→電気特性測定→デバイス統合→量産性評価。AIが出したのは「地図上のルート」であって、「目的地に辿り着いた」ではない。

(3) Vals AIは学術機関ではない

ここはAIベンチマークを手掛けるチームであり、MITやStanfordとは無関係だ。彼らがやったこと——既存のLLMと既存のツールチェーンを使う——は、Python環境とDFTソフトウェアのライセンスがあれば、原理上どのチームでも再現できる。

AlphaFoldと比べると、方法論の再現ハードルが圧倒的に低い。この事実が「新材料を発見した」こと以上に業界に与えるインパクトは大きいかもしれない。

過去のAI研究ニュースとの違い

プロジェクトモデル種別計算資源再現ハードル
AlphaFold 2専用(Evoformer)数千TPU日極めて高い
GNoME専用GNN + 主动学習数百万GPU時間極めて高い
Vals AI汎用LLMエージェント単一マシン + DFTソフト低い

決定的な違いは専用か汎用かだ。

AlphaFoldは数年がかりで数千人規模のチームを組み、タンパク質フォールディング専用に設計されたアーキテクチャを実装したものだ。Vals AIはAnthropicがすでに学習済みのモデルにプロンプトを投げ、既存ツールを叩いているだけ。ハードルもコストもケタが違う。

編集部の見解

この出来事の本当のシグナルは「AIがまた活躍した」ではない。エージェントというパラダイムが硬科学で初めての定量的なデリバリーを果たしたという点にある。

これまでのAI for Scienceの成功例は、どれも「専用モデル + 大規模計算資源」に依存しており、いずれもワンオフの工学的偉業だった。今回は違う。汎用LLMエージェント + 既存ツールチェーンで、検証可能な科学成果が出る。これは研究の役割分担を再編する可能性がある。汎用エージェントが「地雷原を掃き」、人間の科学者は「地雷を解体する」ことに集中する——そんな分担が見えてくる。

ただし、以下の点には注意したい。

  1. 「候補」が誇張されるリスク。メディアは「DFT検証済み」を「AIが新材料を発見」と書き換えがちだが、両者の間には大きな隔たりがある。合成、特性評価、デバイス化——ここが本当の難所であり、今のAIは手を出せない。
  2. 再現性がまだ検証されていない。Vals AIは結果を出したが、完全なプロンプトやツールチェーンは公開していない。他のチームが同じ手法で類似の結果を出せなければ、「生存者バイアス」の一例で終わる可能性もある。
  3. 物理的直感の限界。汎用LLMは本当にspintronicsの奥深い物理を理解しているのか。それとも「研究をしているフリ」をしているだけか。今回の結果は前者寄りだが、サンプルが少なすぎて結論づけるのは早い。

私自身の判断:この件の価値は「室温磁性半導体を見つけた」ことではなく、「汎用エージェントが硬科学のクローズドループを完走できることが証明された」点にある。前者は方法論の扉を開く出来事であり、後者はその方法論を初めて実証した成果にすぎない。

今後6〜12ヶ月で注目すべきは、他のチームが同様の手法で物理・化学・生物分野で再現に成功するかどうかだ。再現事例が積み上がればパラダイムシフトになる。Vals AIだけで終わるなら、話はマーケティングということになる。


参考リンク:

出典: https://www.vals.ai/blogs/room-temperature-magnetic-semiconductors