Kako GPT‑5.6 Sol pomaže u kvantnim računarskim eksperimentima

Kvantno računarstvo je tehnologija u razvoju koja koristi jedinstvena svojstva kvantne mehanike za obradu informacija. Jednog dana moglo bi omogućiti bolje simulacije složenih materijala i molekula. Za razliku od konvencionalnih procesora, kvantni procesori izrađeni su od kvantnih bitova, odnosno kubita. Priprema i izvođenje eksperimenata s kubitima mogu trajati mjesecima i zahtijevati od nekoliko stotina do nekoliko hiljada preliminarnih mjerenja — a AI je spreman pomoći u tom poslu.

Beatriz Yankelevich, studentica postdiplomskog studija u MIT-ovoj Grupi za inženjerstvo kvantnih sistema (EQuS), koristila je GPT‑5.6 Sol povezan s Codexom kako bi istražila može li AI pojednostaviti njen eksperimentalni radni tok. Grupa s MIT-a proučava supravodljive kubite koji se u specijaliziranim uređajima, takozvanim dilucijskim frižiderima, hlade gotovo do apsolutne nule. Ti kubiti brzo izvode operacije, njima se precizno upravlja pomoću mikrovalnih signala, a mogu se izrađivati poznatim proizvodnim tehnikama i rasporediti na čipu.

Nakon što se supravodljivi kubitni čip izradi, stavi u kućište i ohladi, istraživači s njim rade isključivo putem softvera, zbog čega su eksperimenti Yankelevich prirodno okruženje za testiranje AI agenata. Povezivanje Codexa s laboratorijskim softverom koji koordinira eksperimente omogućilo mu je da izvodi mjerenja, analizira rezultate i odlučuje šta će sljedeće pokušati. Yankelevich je utvrdila da GPT‑5.6 Sol često može samostalno obaviti rutinske tokove mjerenja, čime joj štedi mnogo vremena i omogućava izvođenje eksperimenata bez stalnog nadzora. Tako je dobila više vremena za analizu rezultata, osmišljavanje eksperimenata i planiranje narednih koraka istraživanja.

Supravodljivi kubiti često se nazivaju umjetnim atomima jer, poput atoma, mogu zauzimati samo određene energetske nivoe. Mikrovalni impulsi premještaju kubite između tih nivoa i ispituju njihovo kvantno stanje. Istraživači osmišljavaju i kalibriraju nizove impulsa koji se šalju čipu, a zatim digitaliziraju i analiziraju povratne signale. Ta mjerenja otkrivaju rezonantne frekvencije svakog kubita, što istraživačima omogućava precizno upravljanje kubitom; koliko dugo kubit zadržava kvantne informacije; te postavke potrebne za izvođenje proračuna.

Kalibracija kubita zahtijeva niz međusobno zavisnih mjerenja, pri čemu svaki rezultat određuje naredni korak. Svojstva kubita mogu povremeno odstupati, a neočekivano fizičko ponašanje može dovesti do nedosljednih rezultata. Iskusni istraživači mogu prepoznati te promjene i prilagoditi im se kada se pojave. Zbog kombinacije softverskog upravljanja, ponovljenih mjerenja i prilagodljivog odlučivanja, kalibracija kubita također je uvjerljiv primjer primjene AI agenata.

Yankelevich je testirala sposobnost modela GPT‑5.6 Sol da izvodi mjerenja na nekalibriranom čipu sa šest kubita, jednom od standardnih tipova koje EQuS redovno koristi za procjenu svog proizvodnog procesa. Codexu je pružila vještine prilagođene mjerenjima, koje objašnjavaju kako izvesti i procijeniti svaki eksperiment. Koristeći te vještine i projektne ciljeve čipa, GPT‑5.6 Sol birao je parametre mjerenja, upravljao hardverom, analizirao dobivene podatke, a zatim usavršavao mjerenje ili spremao rezultat za naredno mjerenje.

Kada su signali bili jasni, Codex je završavao standardni niz mjerenja uz malo intervencija istraživača. Utvrđivao je frekvencije prijelaza kubita, kalibrirao impulse koji se koriste za upravljanje i očitavanje te određivao koliko dugo kubit zadržava kvantne informacije.

GPT‑5.6 Sol imao je više poteškoća kada su eksperimentalni signali bili slabi ili sadržavali mnogo šuma. U tim slučajevima trebalo mu je više vremena da pronađe odgovarajuće parametre mjerenja, a ponekad su mu bile potrebne upute iskusnog istraživača. Rezultati pokazuju da trenutni agenti mogu obavljati jasno definirane eksperimentalne radne tokove, ali tumačenje nejasnih fizičkih rezultata i dalje predstavlja izazov.

EQuS izrađuje mnogo takvih standardnih čipova, a istraživaču može trebati nekoliko dana da karakterizira svaki od njih. Grupa sada redovno koristi agente za rutinska mjerenja, omogućavajući istraživačima da se usredsrede na druge zadatke.

„Agenti mogu izvoditi mjerenja satima tokom noći ili dok radim u čistoj sobi“, rekla je Yankelevich. „Mogu ih provjeriti putem telefona, vidjeti šta su uradili i usmjeriti ih ako nešto treba popraviti ili ako želim istražiti drugi pravac.“

Neposredna prednost je to što Codex agenti mogu pomoći istraživačima da kontinuirano napreduju u eksperimentalnoj analizi i mjerenjima bez stalnog nadzora. Iskusni istraživači možda i dalje mogu brže od trenutnih AI modela utvrditi najbolje postavke kalibracije. Međutim, štedeći vrijeme koje su ranije trošili na praćenje svakog koraka kalibracije, istraživači se mogu posvetiti drugim zadacima.

Rutinska karakterizacija čipa odvija se prema relativno jasno definiranom radnom toku. Za nove eksperimente Yankelevich Codex agentima dodjeljuje uže eksperimentalne ciljeve, a više se oslanja na njihovu sposobnost pisanja, izmjene i testiranja novog koda za upravljanje, analizu i simulaciju. Direktno povezivanje agenata s laboratorijem omogućava grupi da mijenja kod, testira ga na stvarnim mjerenjima i samostalno obavlja duže nizove zadataka.

„Izgradila sam infrastrukturu koja agente vodi kroz nekoliko dijelova mog rada — mjerenje, teoriju i projektiranje čipova — i sada to zaista počinje donositi rezultate“, rekla je Yankelevich. „Mogu istovremeno angažirati više agenata na različitim problemima, a većinu vremena posvećujem složenijim zadacima — tumačenju rezultata, osmišljavanju eksperimenata, planiranju narednih koraka za agente, čitanju i pisanju.“