Miten GPT‑5.6 Sol auttaa kvanttilaskennan kokeissa

Kvanttilaskenta on kehittyvä teknologia, joka käsittelee tietoa hyödyntämällä kvanttimekaniikan ainutlaatuisia ominaisuuksia. Sen avulla voidaan ehkä jonain päivänä simuloida monimutkaisia materiaaleja ja molekyylejä nykyistä paremmin. Perinteisistä suorittimista poiketen kvanttisuorittimet rakentuvat kvanttibiteistä eli kubiteista. Kubittikokeiden valmistelu ja suorittaminen voi kestää kuukausia ja vaatia sadoista tuhansiin alustavia mittauksia. Tekoäly voi auttaa tässä työssä.

MIT:n Engineering Quantum Systems Groupin (EQuS) jatko-opiskelija Beatriz Yankelevich selvitti Codexiin yhdistetyn GPT‑5.6 Solin avulla, voisiko tekoäly tehostaa hänen kokeellista työnkulkuaan. MIT:n ryhmä tutkii suprajohtavia kubitteja, jotka jäähdytetään erikoislaitteissa eli laimennusjäähdyttimissä lähes absoluuttiseen nollapisteeseen. Nämä kubitit suorittavat operaatioita nopeasti, ja niitä ohjataan tarkasti mikroaaltosignaaleilla. Niitä voidaan valmistaa tutuilla menetelmillä ja sijoittaa sirulle.

Kun suprajohtava kubittisiru on valmistettu, koteloitu ja jäähdytetty, tutkijat käyttävät sitä kokonaan ohjelmiston kautta. Siksi Yankelevichin kokeet sopivat luontevasti tekoälyagenttien testaukseen. Kun Codex yhdistettiin kokeita koordinoivaan laboratorio-ohjelmistoon, se pystyi tekemään mittauksia, analysoimaan tuloksia ja päättämään, mitä seuraavaksi kannatti kokeilla. Yankelevich havaitsi, että GPT‑5.6 Sol pystyi usein suorittamaan tavanomaiset mittaustyönkulut itsenäisesti. Tämä säästi huomattavasti hänen aikaansa ja mahdollisti kokeiden jatkumisen ilman jatkuvaa valvontaa. Näin hänelle jäi enemmän aikaa tulosten analysointiin, kokeiden suunnitteluun ja tutkimuksen seuraavien vaiheiden valmisteluun.

Suprajohtavia kubitteja kutsutaan usein keinotekoisiksi atomeiksi, koska atomien tavoin ne voivat olla vain tietyillä energiatasoilla. Mikroaaltopulssit siirtävät kubitteja tasolta toiselle ja mittaavat niiden kvanttitilaa. Tutkijat suunnittelevat ja kalibroivat sirulle lähetettävät pulssijonot ja digitoivat sekä analysoivat palautuvat signaalit. Mittaukset paljastavat kunkin kubitin resonanssitaajuudet, joiden avulla kubittia voidaan ohjata tarkasti, kvantti-informaation säilymisajan sekä laskutoimituksiin tarvittavat asetukset.

Kubittien kalibrointi edellyttää sarjaa toisistaan riippuvia mittauksia, joissa jokainen tulos vaikuttaa seuraavaan vaiheeseen. Kubittien ominaisuudet voivat toisinaan muuttua, ja odottamaton fysikaalinen käyttäytyminen voi johtaa epäjohdonmukaisiin tuloksiin. Kokeneet tutkijat osaavat tunnistaa muutokset ja mukauttaa toimintaansa niiden ilmetessä. Ohjelmisto-ohjauksen, toistuvien mittausten ja mukautuvan päätöksenteon yhdistelmä tekee kubittien kalibroinnista myös kiinnostavan käyttökohteen tekoälyagenteille.

Yankelevich testasi GPT‑5.6 Solin kykyä tehdä mittauksia kalibroimattomalla kuuden kubitin sirulla. Kyseessä oli vakiomallinen siru, jota EQuS käyttää säännöllisesti valmistusprosessinsa vertailumittauksiin. Hän antoi Codexille mittauskohtaisia taitoja, joissa selitettiin kunkin kokeen suorittaminen ja arviointi. Näiden taitojen ja sirun suunnittelutavoitteiden perusteella GPT‑5.6 Sol valitsi mittausparametrit, käytti laitteistoa ja analysoi saadut tiedot. Sen jälkeen se joko tarkensi mittausta tai tallensi tuloksen seuraavaa mittausta varten.

Kun signaalit olivat selkeitä, Codex suoritti tavanomaisen mittaussarjan lähes ilman tutkijan apua. Se tunnisti kubitin siirtymätaajuudet, kalibroi kubitin ohjaamiseen ja lukemiseen käytetyt pulssit sekä määritti, kuinka kauan kubitti säilytti kvantti-informaation.

Heikot tai kohinaiset koesignaalit tuottivat GPT‑5.6 Solille enemmän vaikeuksia. Näissä tapauksissa sopivien mittausparametrien löytäminen kesti kauemmin, ja malli tarvitsi toisinaan kokeneen tutkijan ohjausta. Tulokset viittaavat siihen, että nykyiset agentit pystyvät hoitamaan selkeästi määriteltyjä kokeellisia työnkulkuja, mutta monitulkintaisten fysikaalisten tulosten tulkitseminen on yhä haastavaa.

EQuS valmistaa paljon tällaisia vakiomallisia siruja, joista kunkin karakterisointi voi viedä tutkijalta useita päiviä. Ryhmä antaa nykyään säännöllisesti rutiinimittaukset agenttien tehtäväksi, jotta tutkijat voivat keskittyä muuhun työhön.

”Voin antaa agenttien tehdä mittauksia tuntikausia yön aikana tai sillä välin, kun työskentelen puhdastilassa”, Yankelevich sanoi. ”Voin tarkistaa puhelimestani, mitä ne ovat tehneet, ja ohjata niitä, jos jokin pitää korjata tai jos haluan tutkia toista suuntaa.”

Välitön hyöty on se, että Codex-agentit voivat auttaa tutkijoita etenemään kokeellisessa analyysissä ja mittauksissa tasaisesti ilman jatkuvaa valvontaa. Kokeneet tutkijat saattavat yhä löytää parhaat kalibrointiasetukset nykyisiä tekoälymalleja nopeammin. Kun kalibroinnin jokaisen vaiheen seuraamiseen ei enää kulu aikaa, tutkijat voivat kuitenkin keskittyä muuhun työhön.

Sirujen tavanomainen karakterisointi noudattaa melko tarkasti määriteltyä työnkulkua. Uusissa kokeissa Yankelevich antaa Codex-agenteille rajatumpia kokeellisia tavoitteita ja hyödyntää enemmän niiden kykyä kirjoittaa, muokata ja testata uutta koodia ohjaukseen, analyysiin ja simulointiin. Kun agentit yhdistetään suoraan laboratorioon, ryhmä voi muokata koodia, testata sitä todellisilla mittauksilla ja tehdä pidempiä työjaksoja itsenäisesti.

”Olen rakentanut infrastruktuurin, joka ohjaa agentteja työni eri osa-alueilla, kuten mittauksissa, teoriassa ja sirujen suunnittelussa. Nyt työ alkaa todella tuottaa tulosta”, Yankelevich sanoi. ”Voin antaa useiden agenttien työskennellä samanaikaisesti eri ongelmien parissa. Itse käytän suurimman osan ajastani ylemmän tason työhön: tulosten tulkintaan, kokeiden suunnitteluun, agenttien seuraavien vaiheiden valmisteluun sekä lukemiseen ja kirjoittamiseen.”