GPT‑5.6 Sol क्वांटम कंप्यूटिंग प्रयोगों में कैसे मदद करता है

क्वांटम कंप्यूटिंग एक उभरती तकनीक है, जो सूचना संसाधित करने के लिए क्वांटम यांत्रिकी के विशिष्ट गुणों का उपयोग करती है. यह भविष्य में जटिल पदार्थों और अणुओं का बेहतर अनुकरण कर सकती है. पारंपरिक प्रोसेसरों के विपरीत, क्वांटम प्रोसेसर क्वांटम बिट या क्यूबिट से बनाए जाते हैं. क्यूबिट प्रयोग तैयार करने और चलाने में कई महीने लग सकते हैं तथा सैकड़ों से हजारों प्रारंभिक मापों की जरूरत पड़ सकती है—AI इस काम में मदद कर सकता है.

MIT के इंजीनियरिंग क्वांटम सिस्टम्स ग्रुप (EQuS) की स्नातकोत्तर छात्रा बीट्रिज यांकेलेविच ने Codex से जुड़े GPT‑5.6 Sol का उपयोग करके यह पता लगाया कि AI उनके प्रयोगात्मक कार्यप्रवाह को अधिक कुशल बना सकता है या नहीं. MIT का यह समूह अतिचालक क्यूबिट का अध्ययन करता है, जिन्हें तनुकरण प्रशीतक नामक विशेष उपकरणों के भीतर लगभग परम शून्य तक ठंडा किया जाता है. ये क्यूबिट तेजी से संक्रियाएं करते हैं, सूक्ष्मतरंग संकेतों से सटीक रूप से नियंत्रित किए जाते हैं और परिचित निर्माण तकनीकों से बनाकर एक चिप पर व्यवस्थित किए जा सकते हैं.

अतिचालक क्यूबिट चिप के निर्माण, पैकेजिंग और शीतलन के बाद शोधकर्ता उससे पूरी तरह सॉफ्टवेयर के माध्यम से काम करते हैं. इसलिए यांकेलेविच के प्रयोग AI एजेंटों के परीक्षण के लिए स्वाभाविक मंच हैं. Codex को प्रयोगों का समन्वय करने वाले प्रयोगशाला सॉफ्टवेयर से जोड़ने पर वह माप कर सका, परिणामों का विश्लेषण कर सका और आगे क्या करना है, यह तय कर सका. यांकेलेविच ने पाया कि GPT‑5.6 Sol अक्सर नियमित मापन कार्यप्रवाह स्वायत्त रूप से पूरे कर सकता था. इससे उनका काफी समय बचा और प्रयोग निरंतर निगरानी के बिना चल सके. इससे उन्हें परिणामों के विश्लेषण, प्रयोगों की रूपरेखा बनाने और अपने शोध के अगले चरणों की योजना बनाने के लिए अधिक समय मिला.

अतिचालक क्यूबिट को अक्सर कृत्रिम परमाणु कहा जाता है, क्योंकि परमाणुओं की तरह वे केवल विशिष्ट ऊर्जा स्तरों पर रह सकते हैं. सूक्ष्मतरंग स्पंद क्यूबिट को इन स्तरों के बीच ले जाते हैं और उनकी क्वांटम अवस्था की जांच करते हैं. शोधकर्ता चिप को भेजे जाने वाले स्पंद अनुक्रमों की रूपरेखा बनाकर उनका अंशांकन करते हैं और फिर लौटने वाले संकेतों को अंकीय रूप देकर उनका विश्लेषण करते हैं. इन मापों से प्रत्येक क्यूबिट की अनुनाद आवृत्तियां पता चलती हैं, जिससे शोधकर्ता क्यूबिट को सटीकता से नियंत्रित कर सकते हैं. साथ ही यह भी पता चलता है कि क्यूबिट कितने समय तक क्वांटम सूचना बनाए रखता है और गणना करने के लिए किन सेटिंग्स की आवश्यकता है.

क्यूबिट के अंशांकन के लिए परस्पर निर्भर मापों की एक शृंखला आवश्यक होती है, जिसमें प्रत्येक परिणाम अगला कदम तय करता है. क्यूबिट के गुण कभी-कभी बदल सकते हैं और अप्रत्याशित भौतिक व्यवहार के कारण परिणाम असंगत हो सकते हैं. अनुभवी शोधकर्ता इन बदलावों को पहचानकर उनके अनुसार ढल सकते हैं. सॉफ्टवेयर नियंत्रण, बार-बार मापन और परिस्थिति के अनुसार निर्णय लेने का यह संयोजन क्यूबिट अंशांकन को AI एजेंटों के लिए एक उपयोगी अनुप्रयोग भी बनाता है.

यांकेलेविच ने बिना अंशांकित छह-क्यूबिट वाली चिप पर माप चलाने की GPT‑5.6 Sol की क्षमता जांची. यह उस मानक प्रकार की चिप थी, जिसका EQuS अपनी निर्माण प्रक्रिया के मानक परीक्षण के लिए नियमित उपयोग करता है. उन्होंने Codex को मापन-विशिष्ट कौशल दिए, जिनमें प्रत्येक प्रयोग चलाने और उसका मूल्यांकन करने का तरीका समझाया गया था. इन कौशलों और चिप के डिजाइन लक्ष्यों का उपयोग करके GPT‑5.6 Sol ने मापन प्राचल चुने, हार्डवेयर चलाया, प्राप्त आंकड़ों का विश्लेषण किया और फिर या तो मापन को बेहतर बनाया या अगले मापन में उपयोग के लिए परिणाम सहेजा.

संकेत स्पष्ट होने पर Codex ने शोधकर्ता के बहुत कम हस्तक्षेप से मापों का मानक अनुक्रम पूरा कर लिया. उसने क्यूबिट की संक्रमण आवृत्तियां पहचानीं, उसे नियंत्रित करने और उसका रीडआउट करने के लिए उपयोग किए जाने वाले स्पंदों का अंशांकन किया और निर्धारित किया कि क्यूबिट ने कितने समय तक क्वांटम सूचना बनाए रखी.

प्रयोगात्मक संकेत कमजोर या शोरयुक्त होने पर GPT‑5.6 Sol को अधिक कठिनाई हुई. ऐसे मामलों में उपयुक्त मापन प्राचल खोजने में उसे अधिक समय लगा और कभी-कभी अनुभवी शोधकर्ता के मार्गदर्शन की जरूरत पड़ी. परिणाम बताते हैं कि मौजूदा एजेंट स्पष्ट रूप से परिभाषित प्रयोगात्मक कार्यप्रवाह संभाल सकते हैं, लेकिन अस्पष्ट भौतिक परिणामों की व्याख्या अब भी चुनौती है.

EQuS ऐसी कई मानक चिप बनाता है और प्रत्येक के अभिलक्षणन में शोधकर्ता को कई दिन लग सकते हैं. अब समूह नियमित मापों के लिए एजेंटों का निरंतर उपयोग करता है, जिससे शोधकर्ता अन्य काम पर ध्यान दे पाते हैं.

यांकेलेविच ने कहा, “मैं एजेंटों से रात भर कई घंटों तक या क्लीनरूम में अपने काम के दौरान माप करवा सकती हूं.” “मैं अपने फोन से उनकी प्रगति देख सकती हूं और यदि कुछ ठीक करना हो या मैं कोई अलग दिशा तलाशना चाहूं, तो उनका मार्गदर्शन कर सकती हूं.”

इसका तात्कालिक लाभ यह है कि Codex एजेंट निरंतर निगरानी के बिना प्रयोगात्मक विश्लेषण और मापों में लगातार प्रगति करने में शोधकर्ताओं की मदद कर सकते हैं. अनुभवी शोधकर्ता अब भी मौजूदा AI मॉडलों की तुलना में सर्वोत्तम अंशांकन सेटिंग अधिक तेजी से पहचान सकते हैं. लेकिन अंशांकन प्रक्रिया के हर चरण की निगरानी में पहले लगने वाला समय बचाकर शोधकर्ता अन्य काम पर ध्यान दे सकते हैं.

चिप का नियमित अभिलक्षणन अपेक्षाकृत सुव्यवस्थित कार्यप्रवाह के अनुसार होता है. नए प्रयोगों के लिए यांकेलेविच Codex एजेंटों को सीमित प्रयोगात्मक लक्ष्य देती हैं और नियंत्रण, विश्लेषण व अनुकरण के लिए नया कोड लिखने, बदलने और जांचने की उनकी क्षमता का अधिक उपयोग करती हैं. एजेंटों को सीधे प्रयोगशाला से जोड़ने पर समूह कोड में संशोधन कर सकता है, वास्तविक मापों पर उसे जांच सकता है और काम के लंबे चरण स्वायत्त रूप से पूरे कर सकता है.

यांकेलेविच ने कहा, “मैंने अपने काम के कई हिस्सों—मापन, सिद्धांत और चिप डिजाइन—में एजेंटों का मार्गदर्शन करने के लिए बुनियादी ढांचा बनाया है और अब इसका सचमुच लाभ मिलने लगा है.” “मैं एक साथ कई एजेंटों से अलग-अलग समस्याओं पर काम करा सकती हूं और अपना अधिकांश समय उच्च-स्तरीय कार्यों—परिणाम समझने, प्रयोग तैयार करने, एजेंटों के अगले चरणों की योजना बनाने, पढ़ने और लिखने—में लगाती हूं.”