Senyawa Kimia Terbengkalai 27 Tahun, Agen AI Temukan Potensinya untuk Memori Spintronik

Sebuah senyawa kimia yang telah lama tersimpan dalam jurnal ilmiah tahun 1999 kini menjadi sorotan setelah tim peneliti dari Vals AI mengerahkan lebih dari 90 agen kecerdasan buatan berbasis Claude untuk menyisir literatur dan menandai KV[Cr(CN)6] sebagai kandidat semikonduktor Luttinger-compensated—sebuah koneksi yang tidak pernah dibahas dalam makalah aslinya. Penemuan ini bukan tentang materialnya semata, melainkan tentang bagaimana teknologi pencarian canggih dapat mengungkap pengetahuan yang selama ini tersembunyi.

Selama hampir tiga dekade, senyawa tersebut hanya dikenal sebagai magnet molekuler tipe Prussian-blue. Makalah yang dipublikasikan dalam Journal of the American Chemical Society pada 1999 oleh Stephen M. Holmes dan Gregory L. Girolami melaporkan suhu tatanan magnetiknya mencapai 376 K (sekitar 103°C), sebuah pencapaian yang signifikan saat itu karena mampu mempertahankan sifat magnetik di atas 100°C. Namun, potensi sifat elektroniknya sama sekali tidak disinggung.

Menurut laporan yang beredar, perhitungan density-functional theory (DFT) yang dilakukan tim Vals AI mengindikasikan bahwa senyawa ini juga berpotensi menunjukkan celah pita sekitar 2,1 eV dan tepi pita terpolarisasi spin—properti yang relevan untuk aplikasi spintronik, di mana spin elektron digunakan untuk membawa informasi. Prediksi ini masih bersifat teoretis dan belum diverifikasi secara eksperimental. Langkah selanjutnya adalah mereproduksi material dan menguji sifat-sifatnya di laboratorium, sebuah tahap yang krusial karena berbagai pendekatan komputasi yang digunakan tidak sepenuhnya sepakat mengenai perilaku air dalam struktur kristal, sehingga menimbulkan ketidakpastian yang hanya bisa diselesaikan melalui eksperimen.

Kisah ini mengingatkan pada wawasan Don Swanson pada 1986 tentang "pengetahuan publik yang tidak ditemukan." Dalam makalahnya di The Library Quarterly, Swanson berargumen bahwa dua bidang penelitian bisa sama-sama benar dan tersedia untuk publik, tetapi tidak saling terhubung karena tidak ada sitasi atau diskusi langsung. Studi kasusnya adalah minyak ikan dan sindrom Raynaud: satu literatur membahas efek minyak ikan pada viskositas darah, sementara literatur lain menggambarkan kelainan vaskular pada sindrom Raynaud. Swanson menghubungkan keduanya melalui analisis, dan uji klinis kemudian mendukung hipotesisnya. Pendekatan ini kemudian dikembangkan menjadi sistem Arrowsmith yang mencari konsep perantara di MEDLINE, dengan manusia tetap berperan mengevaluasi kandidat.

"Yang dilakukan agen AI lebih tepat disebut reinterpretasi komputasional daripada rantai kausal yang disimpulkan Swanson antara dua literatur biomedis. Ini adalah reinterpretasi material yang telah dilaporkan sebelumnya, bukan teknologi yang tervalidasi. Belum ada perangkat yang berfungsi yang didemonstrasikan," demikian penilaian yang muncul dari laporan tersebut.

Bagi Indonesia, perkembangan ini menawarkan pelajaran berharga tentang pentingnya pendekatan interdisipliner dalam riset material. Selama ini, penelitian di tanah air sering terkotak-kotak dalam disiplin ilmu, sehingga potensi koneksi antar bidang—seperti antara kimia anorganik dan fisika semikonduktor—mungkin terlewatkan. Dengan memanfaatkan alat bantu AI untuk menelusuri literatur, peneliti Indonesia dapat mempercepat identifikasi material fungsional yang mungkin sudah ada dalam publikasi lama namun belum dieksplorasi. Selain itu, kolaborasi antara institusi riset dan industri teknologi dalam negeri dapat mendorong pengembangan perangkat spintronik generasi baru, meskipun masih memerlukan investasi besar dalam infrastruktur laboratorium dan sumber daya manusia.

Ke depan, tantangan utama bukan lagi menemukan koneksi, melainkan memverifikasinya. Seiring sistem AI menghasilkan hipotesis lebih cepat daripada kemampuan laboratorium untuk menguji, kriteria seperti input terbuka, perhitungan yang dapat direproduksi, dan peringatan eksplisit menjadi semakin penting untuk menilai apakah hipotesis yang dihasilkan mesin layak mendapat perhatian peneliti. Swanson membuktikan metodenya melalui analisis literatur yang cermat dan kegigihan; upaya Vals AI menunjukkan bahwa pencarian dan perhitungan berbasis agen dapat dijalankan pada skala paralel yang jauh lebih besar. Untuk KV[Cr(CN)6], ujian eksperimental masih menanti—dan itulah yang akan menentukan apakah senyawa yang tertidur sejak 1999 ini benar-benar menjadi terobosan atau hanya catatan kaki dalam sejarah sains.