Эпоха ИИ-ассистентов, выступающих в роли простых помощников по написанию кода, подходит к концу — их сменяют автономные системы для научных изысканий. В препринте arXiv:2604.19789 авторы представили фреймворк, способный обеспечить полный цикл разработки теорий в материаловедении без участия человека. Агент самостоятельно выбирает математическую форму уравнения, пишет и запускает код, а также верифицирует гипотезы на наборах данных. По словам исследователей, это знаменует переход к моделированию, где ИИ не просто ищет статистические корреляции, а проверяет соответствие теории эмпирическим данным, сохраняя прозрачный протокол своих рассуждений.
С технической точки зрения система опирается на метод цепочки рассуждений (Chain of Thought) в связке с набором специализированных экспертных инструментов. Согласно отчету, агент успешно реконструировал классические зависимости, включая закон Холла-Петча и закон Пэриса, а также представил надежные прогнозы на новых данных. При этом производительность системы напрямую зависит от вычислительной мощности и архитектуры модели: по оценке авторов, GPT-5 справилась с выводом сложных уравнений (например, формулы Куна для HOMO-LUMO зазора) значительно лучше конкурентов. Более того, агент не ограничился известными данными и предложил новые предиктивные связи, такие как закон изменения ширины запрещенной зоны в зависимости от деформации.
Впрочем, говорить о полной замене ученых пока преждевременно. Как показывают результаты исследования, агент все еще склонен генерировать некорректные или противоречивые уравнения, даже если они демонстрируют хорошую математическую сходимость. На наш взгляд, этот разрыв между «сопоставимостью цифр» и «соблюдением физики процесса» требует жесткой верификации со стороны человека. Тем не менее для высокотехнологичных промышленных отраслей это означает фундаментальный сдвиг: использование CoT-агентов становится стандартом, позволяющим радикально сократить цикл разработки новых материалов за счет автоматизации рутинной проверки гипотез.
Для руководителей в сфере материаловедения и производства это четкий сигнал: ИИ перестал быть просто инструментом поиска или правки кода, превращаясь в полноценного исследователя. Главным вызовом для ваших R&D-подразделений станет переход от ручного тестирования к роли валидаторов, где человек лишь проверяет логическую целостность и физический смысл законов, сгенерированных машиной.