Come GPT‑5.6 Sol aiuta a condurre esperimenti di calcolo quantistico

Il calcolo quantistico è una tecnologia emergente che sfrutta le proprietà peculiari della meccanica quantistica per elaborare informazioni. Un giorno potrebbe consentire di simulare meglio materiali e molecole complessi. A differenza dei processori convenzionali, quelli quantistici sono costituiti da bit quantistici, o qubit. Preparare ed eseguire esperimenti sui qubit può richiedere mesi e da centinaia a migliaia di misurazioni preliminari: un'attività in cui l'IA può offrire un valido aiuto.

Beatriz Yankelevich, dottoranda dell'Engineering Quantum Systems Group (EQuS) del MIT, ha utilizzato GPT‑5.6 Sol tramite Codex per verificare se l'IA potesse rendere più efficiente il suo flusso di lavoro sperimentale. Il gruppo del MIT studia qubit superconduttori, raffreddati a temperature prossime allo zero assoluto all'interno di dispositivi specializzati chiamati refrigeratori a diluizione. Questi qubit eseguono rapidamente le operazioni, possono essere controllati con precisione mediante segnali a microonde e realizzati con tecniche di produzione consolidate, disponendoli su un chip.

Dopo la fabbricazione, l'assemblaggio e il raffreddamento di un chip di qubit superconduttori, i ricercatori interagiscono con esso esclusivamente tramite software. Gli esperimenti di Yankelevich rappresentano quindi un banco di prova ideale per gli agenti di IA. Il collegamento di Codex al software di laboratorio che coordina gli esperimenti gli ha consentito di eseguire misurazioni, analizzare i risultati e decidere cosa provare in seguito. Yankelevich ha constatato che GPT‑5.6 Sol riusciva spesso a completare autonomamente i flussi di misurazione ordinari, facendole risparmiare molto tempo e permettendo agli esperimenti di proseguire senza supervisione costante. Ha così potuto dedicare più tempo all'analisi dei risultati, alla progettazione degli esperimenti e alla pianificazione delle fasi successive della ricerca.

I qubit superconduttori vengono spesso definiti atomi artificiali perché, come gli atomi, possono occupare solo determinati livelli energetici. Gli impulsi a microonde spostano i qubit tra questi livelli e ne sondano lo stato quantistico. I ricercatori progettano e calibrano le sequenze di impulsi inviate al chip, quindi digitalizzano e analizzano i segnali di ritorno. Queste misurazioni rivelano le frequenze di risonanza di ciascun qubit, consentendo ai ricercatori di controllarlo con precisione, di stabilire per quanto tempo conserva le informazioni quantistiche e di individuare le impostazioni necessarie per eseguire i calcoli.

La calibrazione dei qubit richiede una serie di misurazioni interdipendenti, in cui ogni risultato determina il passaggio successivo. Le proprietà dei qubit possono talvolta variare e fenomeni fisici inattesi possono produrre risultati incoerenti. I ricercatori esperti sanno riconoscere questi cambiamenti e adattarsi quando si verificano. Questa combinazione di controllo software, misurazioni ripetute e decisioni adattive rende la calibrazione dei qubit un caso d'uso particolarmente interessante anche per gli agenti di IA.

Yankelevich ha verificato la capacità di GPT‑5.6 Sol di eseguire misurazioni su un chip non calibrato con sei qubit, appartenente a una tipologia standard che EQuS usa abitualmente per valutare il proprio processo di fabbricazione. Ha fornito a Codex competenze specifiche per le misurazioni, che spiegavano come eseguire e valutare ogni esperimento. Usando queste competenze e gli obiettivi progettuali del chip, GPT‑5.6 Sol ha scelto i parametri di misurazione, azionato l'hardware e analizzato i dati ottenuti, per poi perfezionare la misurazione oppure salvarne il risultato da utilizzare in quella successiva.

Quando i segnali erano chiari, Codex completava una sequenza standard di misurazioni con un intervento minimo da parte della ricercatrice. Ha identificato le frequenze di transizione del qubit, calibrato gli impulsi utilizzati per controllarlo e leggerlo e determinato per quanto tempo conservava le informazioni quantistiche.

GPT‑5.6 Sol ha incontrato maggiori difficoltà quando i segnali sperimentali erano deboli o disturbati. In questi casi ha impiegato più tempo per trovare parametri di misurazione adeguati e talvolta ha avuto bisogno della guida di un ricercatore esperto. I risultati indicano che gli agenti attuali possono gestire flussi sperimentali ben definiti, mentre l'interpretazione di risultati fisici ambigui rimane una sfida.

EQuS fabbrica molti di questi chip standard, ciascuno dei quali può richiedere a un ricercatore diversi giorni di caratterizzazione. Il gruppo ora affida regolarmente agli agenti le misurazioni ordinarie, consentendo ai ricercatori di concentrarsi su altre attività.

«Posso lasciare che gli agenti eseguano misurazioni per molte ore durante la notte o mentre lavoro in camera bianca», ha dichiarato Yankelevich. «Posso controllarli dal telefono, vedere cosa hanno fatto e orientarli se c'è qualcosa da correggere o se voglio esplorare una direzione diversa».

Il vantaggio immediato è che gli agenti Codex possono aiutare i ricercatori a portare avanti con continuità l'analisi sperimentale e le misurazioni, senza richiedere una supervisione costante. I ricercatori esperti possono ancora riuscire a individuare le impostazioni di calibrazione migliori più rapidamente degli attuali modelli di IA. Ma, risparmiando il tempo prima dedicato a monitorare ogni fase della calibrazione, possono concentrarsi su altre attività.

La caratterizzazione ordinaria dei chip segue un flusso di lavoro relativamente ben definito. Per gli esperimenti innovativi, Yankelevich assegna agli agenti Codex obiettivi sperimentali più circoscritti, affidandosi maggiormente alla loro capacità di scrivere, modificare e testare nuovo codice per il controllo, l'analisi e la simulazione. Collegando gli agenti direttamente al laboratorio, il gruppo può rivedere il codice, testarlo con misurazioni reali e completare autonomamente sequenze di lavoro più lunghe.

«Ho creato un'infrastruttura che guida gli agenti in varie parti del mio lavoro — misurazioni, teoria e progettazione dei chip — e ora sta davvero iniziando a dare risultati», ha dichiarato Yankelevich. «Posso far lavorare contemporaneamente più agenti su problemi diversi e dedicare gran parte del mio tempo ad attività di livello più alto: interpretare i risultati, ideare esperimenti, pianificare i passaggi successivi per gli agenti, leggere e scrivere».