Discovered Materials、AI エージェント用材料探索ベンチマークを公開──1 億トークン予算で結晶材料の合成レシピを自動評価
AI エージェントに Web 検索や Python サンドボックス、MLIP ツールを統合し、BEOL 互換の新素材と合成レシピの妥当性を検証するフレームワーク。
リリース: 2026-01-01 · 読了 3 分記事の要約
1. 核心（What）
- AI エージェントが新規かつ BEOL 適合の結晶材料を探索するベンチマークフレームワーク Discovered Materials が公開された
- モデルには Web 検索（Exa）や Python/Bash サンドボックス、pymatgen、mp_api、ASE などのツールが提供される
- 動的安定性や格子熱伝導率、静的誘電率の計算に UPET などの機械学習原子間ポテンシャル（MLIP）を活用する
- 提案された合成レシピは、専門家の査読判断と相関する GPT-5.6 Sol ベースのペナルティ形式ルーブリックで評価される
2. 影響（Why）
- 合成レシピの実現可能性評価: 単に構造が安定しているだけでなく、専門家が実際に試みる価値のあるプロセスかどうかをペナルティ形式で厳格に判定できる。
- 実務的なツールチェーンの統合: 計算材料科学者が日常的に使う Python ライブラリや MLIP をエージェント環境に標準装備し、実践的な探索能力を測る。
3. 根拠・詳細（How）
- Inspect フレームワークとツール統合: AI セキュリティ研究所の Inspect フレームワーク上で稼働し、1 億トークンの予算内で停止条件なしに探索ループを回す設計。
- 物性計算とグレーディングの仕組み: Pheasy および Phonopy による格子熱伝導率計算、GMTNet による静的誘電率計算を行い、GPT-5.6 Sol のルーブリック判定でレシピを検証。
4. 展望・課題（Next）
- 直接的 DFT 計算の導入: 将来のワークロードでは、MLIP 計算の代わりに直接的な密度汎関数法（DFT）計算やハイブリッドアプローチの統合が計画されている。