Des agents IA basés sur Claude Opus 5.5 découvrent deux nouveaux semi-conducteurs pour la mémoire de nouvelle génération

Vals AI a présenté deux semi-conducteurs magnétiques à compensation de Luttinger, caractérisés par un champ net nul et une séparation des spins, promettant des mémoires plus denses et plus rapides.
Des agents IA fondés sur Claude Opus 5.5 ont identifié deux nouveaux semi-conducteurs susceptibles de servir de base à la prochaine génération de technologies de mémoire.
L'équipe de Vals AI a dévoilé des résultats qui pourraient transformer l'approche actuelle en matière de création de mémoires magnétiques.
Les électrons possèdent un spin, conventionnellement orienté vers le haut ou vers le bas. Ce spin génère un moment magnétique capable de stocker de l'information. C'est le principe fondamental derrière les têtes de lecture des disques durs et les mémoires MRAM (Magnetic Random Access Memory).
Pour exploiter ce phénomène, il est nécessaire de pouvoir trier les électrons selon leur spin. Les matériaux ferromagnétiques réalisent cette tâche efficacement, mais ils génèrent un champ magnétique intense qui interfère avec les composants voisins et présentent une commutation lente. À l'inverse, les antiferromagnétiques ne produisent aucun champ net et commutent environ mille fois plus vite, mais leurs spins sont mixtes et difficiles à lire.
Les chercheurs recherchent donc des matériaux dotés d'un champ magnétique net nul tout en offrant une séparation des spins comparable à celle des ferromagnétiques. Ces matériaux sont qualifiés de « compensés de Luttinger » et pourraient donner naissance à une nouvelle génération de mémoires, à la fois plus denses et plus rapides.
Claude Opus 5.5 a permis d'identifier deux matériaux répondant à ces critères :
- Le premier a été conçu de novo. Selon les auteurs, ce composé n'avait jamais été synthétisé ni proposé auparavant, bien que sa synthèse puisse s'avérer complexe.
- Le second appartient à la famille du bleu de Prusse. Il avait été synthétisé dès 1999, et des calculs datant de 2008 avaient déjà démontré la séparation de spin requise, mais personne n'avait reconnu ses propriétés de semi-conducteur à compensation de Luttinger jusqu'à l'intervention des agents IA.
Au total, 90 agents ont travaillé sur cette tâche pendant trois jours. Des expériences complémentaires sont actuellement en cours.
Pourquoi c'est important : Cette découverte démontre la capacité des agents IA à accélérer la recherche de nouveaux matériaux en révélant des candidats négligés pour les mémoires magnétiques. Si ces matériaux peuvent être synthétisés et intégrés industriellement, ils pourraient mener à des mémoires combinant densité accrue et vitesse supérieure.
Pourquoi c'est important
AnalyseCette percée illustre comment les agents IA peuvent accélérer la découverte de matériaux en identifiant des candidats négligés pour les mémoires magnétiques. Leur intégration potentielle ouvre la voie à des technologies de stockage alliant densité et rapidité.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Anthropic présente Claude Platform OAuth pour connecter des organisations sans clés API
Claude Platform OAuth permet aux utilisateurs de connecter leur organisation Claude via OAuth, de payer directement l’utilisation de l’API et de révoquer l’accès à tout moment.
15 prompts pour la création d'agents dans Claude Code
Claude Code ne se limite pas au dialogue principal ; il permet également de travailler via des sous-agents — des configurations distinctes disposant de leur propre prompt système, d'un ensemble d'outils restreint et, si nécessaire, d'une...
Claude + Excel pour les logisticiens : 10 scénarios prêts à l'emploi pour l'audit des tarifs, de l'OTD et des coûts
Playbook B2B pratique sur l'intégration de Claude et d'Excel : prompts système prêts à l'emploi, formules et algorithmes d'analyse de la variance du fret, de l'OTD, des fournisseurs et des stocks.
Mémoire épisodique vs mémoire sémantique des agents
Séparation architecturale de la mémoire d'un agent IA entre une base factuelle à long terme (mémoire sémantique) et un journal chronologique des événements spécifiques aux sessions de travail (mémoire épisodique).