Cara GPT‑5.6 Sol membantu menjalankan eksperimen komputasi kuantum

Komputasi kuantum adalah teknologi baru yang memanfaatkan sifat unik mekanika kuantum untuk memproses informasi. Kelak, teknologi ini dapat menyimulasikan material dan molekul kompleks dengan lebih baik. Tidak seperti prosesor konvensional, prosesor kuantum dibangun menggunakan bit kuantum, atau qubit. Persiapan dan pelaksanaan eksperimen qubit dapat memakan waktu berbulan-bulan serta memerlukan ratusan hingga ribuan pengukuran awal—pekerjaan yang berpotensi dibantu AI.

Beatriz Yankelevich, mahasiswa pascasarjana di Engineering Quantum Systems Group (EQuS) MIT, menggunakan GPT‑5.6 Sol melalui Codex untuk menyelidiki apakah AI dapat menyederhanakan alur kerja eksperimennya. Kelompok MIT tersebut mempelajari qubit superkonduktor yang didinginkan hingga mendekati nol mutlak di dalam perangkat khusus bernama lemari pendingin dilusi. Qubit ini menjalankan operasi dengan cepat, dikendalikan secara presisi menggunakan sinyal gelombang mikro, serta dapat dibuat dengan teknik manufaktur yang umum dan disusun pada sebuah chip.

Setelah chip qubit superkonduktor difabrikasi, dikemas, dan didinginkan, peneliti berinteraksi dengannya sepenuhnya melalui perangkat lunak. Hal ini menjadikan eksperimen Yankelevich tempat uji yang ideal bagi agen AI. Dengan menghubungkan Codex ke perangkat lunak laboratorium yang mengoordinasikan eksperimen, Codex dapat menjalankan pengukuran, menganalisis hasil, dan menentukan apa yang perlu dicoba selanjutnya. Yankelevich mendapati bahwa GPT‑5.6 Sol sering kali dapat menyelesaikan alur kerja pengukuran rutin secara mandiri, sehingga sangat menghemat waktunya dan memungkinkan eksperimen berjalan tanpa pengawasan terus-menerus. Dengan demikian, ia dapat meluangkan lebih banyak waktu untuk menganalisis hasil, merancang eksperimen, dan merencanakan langkah penelitian berikutnya.

Qubit superkonduktor sering disebut atom buatan karena, seperti atom, qubit hanya dapat menempati tingkat energi tertentu. Pulsa gelombang mikro memindahkan qubit di antara tingkat-tingkat tersebut dan memeriksa keadaan kuantumnya. Peneliti merancang dan mengalibrasi rangkaian pulsa yang dikirim ke chip, lalu mendigitalkan dan menganalisis sinyal yang kembali. Pengukuran ini mengungkap frekuensi resonansi setiap qubit, yang memungkinkan peneliti mengendalikan qubit secara akurat; durasi qubit mempertahankan informasi kuantum; serta pengaturan yang diperlukan untuk melakukan komputasi.

Kalibrasi qubit memerlukan serangkaian pengukuran yang saling bergantung, dengan setiap hasil menentukan langkah berikutnya. Sifat qubit terkadang dapat bergeser, dan perilaku fisik yang tidak terduga dapat menyebabkan hasil yang tidak konsisten. Peneliti berpengalaman dapat mengenali perubahan ini dan menyesuaikan pendekatan saat perubahan terjadi. Perpaduan antara kendali perangkat lunak, pengukuran berulang, dan pengambilan keputusan adaptif juga menjadikan kalibrasi qubit sebagai kasus penggunaan yang menarik bagi agen AI.

Yankelevich menguji kemampuan GPT‑5.6 Sol untuk menjalankan pengukuran pada chip enam qubit yang belum dikalibrasi, salah satu jenis standar yang rutin digunakan EQuS untuk mengevaluasi proses fabrikasinya. Ia membekali Codex dengan keterampilan khusus untuk setiap pengukuran yang menjelaskan cara menjalankan dan mengevaluasi masing-masing eksperimen. Dengan keterampilan tersebut dan sasaran desain chip, GPT‑5.6 Sol memilih parameter pengukuran, mengoperasikan perangkat keras, menganalisis data yang dihasilkan, lalu menyempurnakan pengukuran atau menyimpan hasilnya untuk digunakan dalam pengukuran berikutnya.

Ketika sinyalnya jelas, Codex menyelesaikan rangkaian pengukuran standar dengan sedikit campur tangan peneliti. Codex mengidentifikasi frekuensi transisi qubit, mengalibrasi pulsa yang digunakan untuk mengendalikan dan membacanya, serta menentukan berapa lama qubit mempertahankan informasi kuantum.

GPT‑5.6 Sol mengalami lebih banyak kesulitan ketika sinyal eksperimen lemah atau penuh derau. Dalam situasi tersebut, GPT‑5.6 Sol membutuhkan waktu lebih lama untuk menemukan parameter pengukuran yang sesuai dan terkadang memerlukan arahan dari peneliti berpengalaman. Hasilnya menunjukkan bahwa agen saat ini mampu menangani alur kerja eksperimen yang terdefinisi dengan jelas, tetapi penafsiran hasil fisik yang ambigu masih menjadi tantangan.

EQuS memfabrikasi banyak chip standar ini, dan peneliti dapat memerlukan beberapa hari untuk mengarakterisasi setiap chip. Kelompok ini kini rutin menggunakan agen untuk menangani pengukuran rutin, sehingga peneliti dapat berfokus pada pekerjaan lain.

“Saya dapat meminta agen menjalankan pengukuran selama berjam-jam pada malam hari atau ketika saya bekerja di ruang bersih,” kata Yankelevich. “Saya dapat memeriksanya melalui ponsel, melihat apa yang telah mereka kerjakan, dan mengarahkan mereka jika ada yang perlu diperbaiki atau jika saya ingin menjajaki arah lain.”

Manfaat langsungnya adalah agen Codex dapat membantu peneliti terus membuat kemajuan dalam analisis dan pengukuran eksperimen tanpa pengawasan terus-menerus. Peneliti berpengalaman mungkin masih dapat menentukan pengaturan kalibrasi terbaik lebih cepat daripada model AI saat ini. Namun, karena tidak lagi menghabiskan waktu untuk memantau setiap tahap proses kalibrasi, peneliti dapat berfokus pada pekerjaan lain.

Karakterisasi chip rutin mengikuti alur kerja yang relatif terdefinisi dengan baik. Untuk eksperimen baru, Yankelevich memberi agen Codex sasaran eksperimen yang lebih sempit sembari lebih banyak memanfaatkan kemampuan mereka untuk menulis, memodifikasi, dan menguji kode baru bagi pengendalian, analisis, dan simulasi. Dengan menghubungkan agen langsung ke laboratorium, kelompok ini dapat merevisi kode, mengujinya menggunakan pengukuran nyata, dan menyelesaikan rangkaian pekerjaan yang lebih panjang secara mandiri.

“Saya telah membangun infrastruktur untuk memandu agen menjalani beberapa bagian pekerjaan saya—pengukuran, teori, dan desain chip—dan kini hasilnya benar-benar mulai terasa,” kata Yankelevich. “Saya dapat meminta beberapa agen menangani masalah yang berbeda secara bersamaan, sementara sebagian besar waktu saya digunakan untuk pekerjaan tingkat tinggi—menafsirkan hasil, merancang eksperimen, merencanakan langkah agen berikutnya, membaca, dan menulis.”