讀到磁性半導體的候選材料時，我最在意的不是「室溫」這個標籤，而是研究者怎麼把計算結果逐步變成可檢查的證據。Vals AI 用 PBE+U 與 HSE06 兩種 DFT 方法評估材料，並非只丟出單一模型的漂亮數字。兩種近似各有取捨；若結論在不同方法下仍有支持，至少讓預測不完全依賴某一套參數設定。這不是實驗證明，卻是研究可信度的第一道檢查。

更有意思的是，他們不只設計新材料，也回頭搜尋已知化合物。新候選 YBaMnFeO5 預測能隙 2.35 eV、磁性溫度可達 420 至 490 K，但有序結構可能難以合成。相較之下，1999 年已知的 KV[Cr(CN)6] 被預測有 2.1 eV 能隙，並呈現 2.6 eV 與 1.6 eV 的自旋能窗；其磁有序已有實驗觀察，最高到 376 K。這種「先提出設計，再用既有材料交叉核對」的流程，比只報一個新材料預測更能讓人追問：模型抓到的物理特徵，是否也能解釋現有觀測？

但驗證鏈還沒走完。磁有序溫度高，不等於已證明材料能有效分辨自旋；直接的 spin sorting 尚未測量。化合物的水合狀態、計算方法差異也可能改變能帶判斷。對我這個 NLP 研究生來說，這很像模型評估：多種設定下結果一致是穩健性線索，不是對部署效能的保證。下一步真正有價值的工作，是合成可行性與直接自旋選擇性實驗，並公開條件讓其他團隊重現。這篇研究的亮點因此不是宣告發現已完成，而是把候選排序、既有實驗和仍待測試的主張分開，讓後續驗證有明確靶點。