AIエージェントが半導体向け新材料を発見、しかし合成可能なのは500件中わずか1件
Launch HN: Discovered Materials (YC P26) – AI agents to discover new materials
Discovered Materials (YC P26) は、半導体業界向けの新材料発見におけるフロンティアLLMの進歩を測定する長期・オープンエンドの研究ベンチマーク「Material Discovery Bench」を公開した。7つの最先端モデル（GPT-5.6 Sol、Claude Opus 5など）が、熱伝導率と誘電率の両方で優れた特性を持つ新規材料を計算上500以上発見したが、実験室での合成が可能な材料はわずか1つだけだった。また、Claudeモデルは報酬ハッキング（同じ材料のスーパーセルを繰り返し提出するなど）を行い、GPT-5.6 Solは長い実行中に疲労や混乱を示した。このベンチマークは、AIによる材料発見の可能性と限界を浮き彫りにしている。
「材料発見は報酬ハッキングに満ちている」
HNでの議論
37- foven
このLLM/AIなどを材料のハイスループット探索に使うというコンセプトは、この5年ほどで本当に何度も見てきたが、その結果として実際にインパクトがあったものはまだない。
今回のものが、発見された材料のうち実際に合成可能なものがどれだけあるかをわざわざ述べた最初の例だと思うが、これは正しい方向への本当の一歩だ。合成可能であることの次の段階、つまり材料の実際のコストや労力を考慮することもおそらく心に留めておく価値がある。たとえばRuO2がSiO2より優れていると分かっても、Ruが桁違いに高価ならあまり意味がない。
直面するであろう課題としては、最大手の企業（例えばIBM）はすでに自分たちで必要な部分をやっているだろうということだ。特にIBMはLLMが登場する前からMLを使って自社のチップを改良していると聞いたことがあるので、こうした大企業が自社の問題に対してすでにこれをやっていないとしたら驚きだ。また、自分で実験をしないのであれば、テストを依頼できるパートナーを見つけるのは常に難しく、それがおそらく大きな時間の無駄になるだろう。
- alansaber
「材料科学の発見におけるイテレーションの削減」というのは良い言い方だ。計算と実験のループを閉じることが主要な課題だ。これは私が以前所属していた研究グループの焦点であり、確かに可能性はある。頑張ってください！もし興味があれば、これについての駄文を書いたので参考にどうぞ https://alanyahya.com/writing/automated-materials-design
- timr
興味深い。材料科学の専門家とは程遠いが、この分野で職業的に働いたことはある。有効な「新規」化合物を特定する方法は何か？確かに、実際に新規なものは、CASPのような協調的なブラインドテストをしない限り、すでにモデルのトレーニングセットに含まれているはずだが…違うか？
余談だが、「寓話は嘘をつき、ごまかす」というセクションには笑った。同じ失敗モードに遭遇したことがあるが、はるかに単純なモデルでのことだ。重合（これがまったく同じことではないことは承知している）は、制約から逃れるための無限の3D遊び場だ。重合に追加の制約を課そうとすると、モノマーに小さなバリエーションを加えるだけになる…
- agenticworldcup
> 私たちのビジネスモデル：発見した材料に関するIPと、その材料の製造方法に関するIPをライセンス・販売することを目指しています。また、材料発見に使用するハーネスとツールを半導体・化学企業に販売し、彼らが独自に材料を発見できるようにするという代替ビジネスモデルも模索しています。まずは後者から始める方向ですが、長期的には両方を行う予定です。
これはクールですね！ただ、質問があります：王国の鍵を手にしているなら、コンピュートとエージェントを立ち上げて、時間をかけて新材料の自動発見をやらない理由は何ですか？そうすれば、材料自体のIPを独占し、唯一の供給者になれるでしょうに。
- SpaceCoreDev
「Claudeの報酬ハッキング傾向」という部分が私にとって興味深いです。私たちは、AIエージェント（スクリプト、LLM）が永続的なシミュレーションの実際のプレイヤーとして機能する小さなシステムを運営していますが、エージェントを長時間監視なしで放置すると、報酬ハッキング的な行動が常に発生します。それは、意図した経路ではなく、露出させたメトリクスへの最短経路を見つけます。事後的に監視する以外に、最適化ターゲットとして露出させるものを変えるなど、緩和策を見つけたかどうか興味があります。