איך GPT‑5.6 Sol עוזר לערוך ניסויים במחשוב קוונטי

מחשוב קוונטי הוא טכנולוגיה מתפתחת שמנצלת את התכונות הייחודיות של מכניקת הקוונטים לעיבוד מידע. בעתיד הוא עשוי לאפשר סימולציות טובות יותר של חומרים ומולקולות מורכבים. בניגוד למעבדים רגילים, מעבדים קוונטיים בנויים מסיביות קוונטיות, או קיוביטים. הכנה והרצה של ניסויים בקיוביטים עשויות להימשך חודשים ולדרוש מאות עד אלפי מדידות מקדימות — עבודה שהבינה המלאכותית עשויה לסייע בה.

ביאטריס ינקלביץ׳, סטודנטית לתואר מתקדם בקבוצת הנדסת המערכות הקוונטיות (EQuS) ב-MIT, השתמשה ב-GPT‑5.6 Sol שהופעל במסגרת Codex כדי לבחון אם בינה מלאכותית יכולה לייעל את תהליך העבודה שלה בניסויים. הקבוצה ב-MIT חוקרת קיוביטים מוליכי-על, שמקוררים לטמפרטורה הקרובה לאפס המוחלט בתוך מתקנים ייעודיים הנקראים מקררי דילול. קיוביטים אלה מבצעים פעולות במהירות ונשלטים בדיוק רב באמצעות אותות מיקרוגל. אפשר לייצר אותם בשיטות ייצור מוכרות ולסדר אותם על גבי שבב.

לאחר ששבב קיוביטים מוליכי-על מיוצר, נארז ומקורר, החוקרים מתקשרים איתו רק באמצעות תוכנה. לכן הניסויים של ינקלביץ׳ הם סביבת בדיקה טבעית לסוכני בינה מלאכותית. חיבור Codex לתוכנת המעבדה שמתאמת את הניסויים אפשר לו לבצע מדידות, לנתח את התוצאות ולהחליט מה לנסות בהמשך. ינקלביץ׳ גילתה שלעיתים קרובות GPT‑5.6 Sol הצליח להשלים תהליכי מדידה שגרתיים באופן אוטונומי, לחסוך לה זמן רב ולאפשר לניסויים להתנהל ללא השגחה מתמדת. כך התפנה לה יותר זמן לניתוח תוצאות, לתכנון ניסויים ולתכנון הצעדים הבאים במחקר שלה.

קיוביטים מוליכי-על מכונים לעיתים קרובות אטומים מלאכותיים, משום שבדומה לאטומים, הם יכולים להימצא רק ברמות אנרגיה מסוימות. פולסי מיקרוגל מעבירים קיוביטים בין הרמות האלה ומשמשים לבדיקת מצבם הקוונטי. החוקרים מתכננים ומכיילים את רצפי הפולסים הנשלחים לשבב, ואז ממירים את האותות החוזרים לצורה דיגיטלית ומנתחים אותם. המדידות האלה חושפות את תדרי התהודה של כל קיוביט, המאפשרים לחוקרים לשלוט בו במדויק; את משך הזמן שבו הוא שומר מידע קוונטי; ואת ההגדרות הדרושות לביצוע חישובים.

כיול קיוביטים דורש סדרה של מדידות התלויות זו בזו, כשכל תוצאה קובעת כיצד ייראה השלב הבא. תכונות הקיוביטים עשויות להשתנות בהדרגה מעת לעת, והתנהגות פיזיקלית בלתי צפויה עלולה לגרום לתוצאות לא עקביות. חוקרים מנוסים יכולים לזהות את השינויים האלה ולהתאים את עבודתם כשהם מתרחשים. השילוב הזה של שליטה באמצעות תוכנה, מדידות חוזרות וקבלת החלטות המותאמת לתנאים הופך את כיול הקיוביטים גם לתחום יישום מבטיח לסוכני בינה מלאכותית.

ינקלביץ׳ בחנה את יכולתו של GPT‑5.6 Sol לבצע מדידות על שבב לא מכויל ובו שישה קיוביטים, מסוג סטנדרטי ש-EQuS משתמשת בו בשגרה להערכת ביצועי תהליך הייצור שלה. היא סיפקה ל-Codex מיומנויות ייעודיות למדידות, המסבירות כיצד להריץ כל ניסוי ולהעריך את תוצאותיו. בעזרת המיומנויות האלה ויעדי התכנון של השבב, GPT‑5.6 Sol בחר פרמטרים למדידה, הפעיל את החומרה, ניתח את הנתונים שהתקבלו ואז שיפר את המדידה או שמר את התוצאה לשימוש במדידה הבאה.

כשהאותות היו ברורים, Codex השלים רצף מדידות סטנדרטי עם התערבות מועטה מצד החוקרת. הוא זיהה את תדרי המעבר של הקיוביט, כייל את הפולסים המשמשים לשליטה בו ולקריאת מצבו, וקבע כמה זמן הקיוביט שומר מידע קוונטי.

GPT‑5.6 Sol התקשה יותר כשהאותות בניסוי היו חלשים או רועשים. במקרים האלה נדרש לו זמן רב יותר למצוא פרמטרים מתאימים למדידה, ולעיתים הוא נזקק להנחיה של חוקר מנוסה. התוצאות מצביעות על כך שהסוכנים הקיימים כיום יכולים לבצע תהליכי עבודה ניסויים שמוגדרים היטב, אך פרשנות של תוצאות פיזיקליות שאינן חד-משמעיות עדיין נותרה אתגר.

EQuS מייצרת שבבים סטנדרטיים רבים כאלה, ואפיון של כל אחד מהם עשוי לדרוש מחוקר כמה ימי עבודה. הקבוצה משתמשת כיום בסוכנים באופן קבוע לביצוע מדידות שגרתיות, וכך החוקרים פנויים להתמקד בעבודה אחרת.

״אני יכולה להפעיל סוכנים שיבצעו מדידות במשך שעות רבות בלילה או בזמן שאני עובדת בחדר הנקי״, אמרה ינקלביץ׳. ״אני יכולה לבדוק מה קורה דרך הטלפון, לראות מה הם עשו ולכוון אותם אם צריך לתקן משהו או אם אני רוצה לבחון כיוון אחר.״

היתרון המיידי הוא שסוכני Codex יכולים לעזור לחוקרים להתקדם בעקביות בניתוח נתוני ניסויים ובביצוע מדידות, ללא השגחה מתמדת. ייתכן שחוקרים מנוסים עדיין יכולים לזהות את הגדרות הכיול הטובות ביותר מהר יותר ממודלי הבינה המלאכותית הקיימים כיום. אבל החיסכון בזמן שהוקדש בעבר למעקב אחר כל שלב בתהליך הכיול מאפשר לחוקרים להתמקד בעבודה אחרת.

אפיון שגרתי של שבבים מתבצע לפי תהליך עבודה מוגדר יחסית. בניסויים חדשניים, ינקלביץ׳ מגדירה לסוכני Codex מטרות ניסוי ממוקדות יותר, ומסתמכת במידה רבה יותר על יכולתם לכתוב, לשנות ולבדוק קוד חדש לבקרה, לניתוח ולסימולציה. חיבור הסוכנים ישירות למעבדה מאפשר לקבוצה לעדכן קוד, לבדוק אותו מול מדידות בפועל ולהשלים רצפי עבודה ארוכים יותר באופן אוטונומי.

״בניתי תשתית שמנחה סוכנים בכמה תחומים בעבודה שלי — מדידות, תאוריה ותכנון שבבים — ועכשיו היא ממש מתחילה להניב תוצאות״, אמרה ינקלביץ׳. ״אני יכולה להפעיל כמה סוכנים שיעבדו במקביל על בעיות שונות, ואת רוב זמני אני מקדישה לעבודה ברמה גבוהה יותר — פרשנות של תוצאות, תכנון ניסויים, תכנון הצעדים הבאים לסוכנים, קריאה וכתיבה.״