როგორ ეხმარება GPT‑5.6 Sol კვანტური გამოთვლების ექსპერიმენტებს

კვანტური გამოთვლები განვითარებადი ტექნოლოგიაა, რომელიც ინფორმაციის დასამუშავებლად კვანტური მექანიკის უნიკალურ თვისებებს იყენებს. სამომავლოდ მას რთული მასალებისა და მოლეკულების უკეთ სიმულირება შეუძლია. ჩვეულებრივი პროცესორებისგან განსხვავებით, კვანტური პროცესორები კვანტური ბიტებისგან, ანუ კუბიტებისგან შედგება. კუბიტებზე ექსპერიმენტების მომზადებასა და ჩატარებას შეიძლება თვეები და ასობით ან ათასობით წინასწარი გაზომვა დასჭირდეს — სწორედ ამ სამუშაოში შეუძლია AI-ს დახმარება.

ბეატრის იანკელევიჩმა, MIT-ის კვანტური საინჟინრო სისტემების ჯგუფის (EQuS) მაგისტრანტმა, Codex-თან ინტეგრირებული GPT‑5.6 Sol გამოიყენა იმის გამოსაკვლევად, შეეძლო თუ არა AI-ს მისი ექსპერიმენტული სამუშაო პროცესის გამარტივება. MIT-ის ჯგუფი სწავლობს ზეგამტარ კუბიტებს, რომლებსაც სპეციალიზებულ მოწყობილობებში — განზავების მაცივრებში — თითქმის აბსოლუტურ ნულამდე აცივებენ. ეს კუბიტები ოპერაციებს სწრაფად ასრულებენ, მიკროტალღური სიგნალებით ზუსტად იმართებიან, მათი დამზადება ნაცნობი საწარმოო მეთოდებითაა შესაძლებელი და ჩიპზე განლაგებაც შეიძლება.

ზეგამტარი კუბიტების ჩიპის დამზადების, კორპუსში მოთავსებისა და გაცივების შემდეგ მკვლევრები მასთან მხოლოდ პროგრამული უზრუნველყოფის მეშვეობით ურთიერთობენ, რის გამოც იანკელევიჩის ექსპერიმენტები AI-აგენტების გამოსაცდელად ბუნებრივ გარემოს ქმნის. Codex-ის ექსპერიმენტების მაკოორდინირებელ ლაბორატორიულ პროგრამულ უზრუნველყოფასთან დაკავშირებამ მას გაზომვების ჩატარების, შედეგების გაანალიზებისა და შემდეგი ნაბიჯის შერჩევის საშუალება მისცა. იანკელევიჩმა აღმოაჩინა, რომ GPT‑5.6 Sol ხშირად ავტონომიურად ასრულებდა გაზომვების სტანდარტულ სამუშაო პროცესებს, რითაც მას მნიშვნელოვნად უზოგავდა დროს და ექსპერიმენტების მუდმივი ზედამხედველობის გარეშე ჩატარების საშუალებას იძლეოდა. ამან მას მეტი დრო დაუტოვა შედეგების გასაანალიზებლად, ექსპერიმენტების დასაგეგმად და კვლევის შემდგომი ნაბიჯების განსასაზღვრად.

ზეგამტარ კუბიტებს ხშირად ხელოვნურ ატომებს უწოდებენ, რადგან ატომების მსგავსად მათაც მხოლოდ განსაზღვრული ენერგეტიკული დონეების დაკავება შეუძლიათ. მიკროტალღური იმპულსები კუბიტებს ამ დონეებს შორის გადაადგილებს და მათ კვანტურ მდგომარეობას იკვლევს. მკვლევრები აპროექტებენ და აკალიბრებენ ჩიპისთვის გაგზავნილი იმპულსების მიმდევრობებს, შემდეგ კი დაბრუნებულ სიგნალებს ციფრულ ფორმატში გარდაქმნიან და აანალიზებენ. ეს გაზომვები ადგენს თითოეული კუბიტის რეზონანსულ სიხშირეებს, რაც მკვლევრებს კუბიტის ზუსტად მართვის საშუალებას აძლევს; ასევე აჩვენებს, რამდენ ხანს ინარჩუნებს კუბიტი კვანტურ ინფორმაციას და რა პარამეტრებია საჭირო გამოთვლების შესასრულებლად.

კუბიტების კალიბრაციას ურთიერთდამოკიდებული გაზომვების სერია სჭირდება, სადაც თითოეული შედეგი შემდგომ ნაბიჯს განსაზღვრავს. კუბიტის თვისებები ზოგჯერ შეიძლება შეიცვალოს, ხოლო მოულოდნელმა ფიზიკურმა ქცევამ არათანმიმდევრული შედეგები გამოიწვიოს. გამოცდილ მკვლევრებს შეუძლიათ ამ ცვლილებების ამოცნობა და მათთან ადაპტირება. პროგრამული მართვის, განმეორებითი გაზომვებისა და ადაპტური გადაწყვეტილებების მიღების ეს ერთობლიობა კუბიტების კალიბრაციას AI-აგენტებისთვის გამოყენების მიმზიდველ შემთხვევად აქცევს.

იანკელევიჩმა GPT‑5.6 Sol-ის გაზომვების ჩატარების უნარი შეუმოწმებელ ექვსკუბიტიან ჩიპზე გამოსცადა. ეს იმ სტანდარტული ტიპის ჩიპთაგანია, რომლებსაც EQuS წარმოების პროცესის შესაფასებლად რეგულარულად იყენებს. მან Codex-ს გაზომვების სპეციფიკური უნარები მიაწოდა, რომლებიც თითოეული ექსპერიმენტის ჩატარებისა და შეფასების წესებს განმარტავდა. ამ უნარებისა და ჩიპის საპროექტო სამიზნეების გამოყენებით GPT‑5.6 Sol-მა შეარჩია გაზომვის პარამეტრები, მართა აპარატურა, გააანალიზა მიღებული მონაცემები და შემდეგ ან გაზომვა დახვეწა, ან შედეგი მომდევნო გაზომვაში გამოსაყენებლად შეინახა.

როდესაც სიგნალები მკაფიო იყო, Codex-მა გაზომვების სტანდარტული მიმდევრობა მკვლევრის მინიმალური ჩარევით შეასრულა. მან განსაზღვრა კუბიტის გარდამავალი სიხშირეები, დააკალიბრა მისი მართვისა და წაკითხვისთვის გამოყენებული იმპულსები და დაადგინა, რამდენ ხანს ინარჩუნებდა კუბიტი კვანტურ ინფორმაციას.

GPT‑5.6 Sol-ს მეტი სირთულე ექმნებოდა, როდესაც ექსპერიმენტული სიგნალები სუსტი ან ხმაურიანი იყო. ასეთ შემთხვევებში შესაფერისი საზომი პარამეტრების პოვნას მეტი დრო სჭირდებოდა და ზოგჯერ გამოცდილი მკვლევრის მითითებებიც იყო საჭირო. შედეგები მიანიშნებს, რომ ამჟამინდელ აგენტებს მკაფიოდ განსაზღვრული ექსპერიმენტული სამუშაო პროცესების შესრულება შეუძლიათ, თუმცა ორაზროვანი ფიზიკური შედეგების ინტერპრეტაცია კვლავ გამოწვევად რჩება.

EQuS ამ სტანდარტული ჩიპებიდან ბევრს ამზადებს და თითოეულის დახასიათებას მკვლევრის რამდენიმე დღე შეიძლება დასჭირდეს. ახლა ჯგუფი სტანდარტული გაზომვების შესასრულებლად რეგულარულად იყენებს აგენტებს, რაც მკვლევრებს სხვა სამუშაოზე კონცენტრირების საშუალებას აძლევს.

„შემიძლია, აგენტებს გაზომვები მთელი ღამის განმავლობაში ან მაშინ ვატარებინო, როცა სუფთა ოთახში ვმუშაობ“, — თქვა იანკელევიჩმა. „შემიძლია, ტელეფონით შევამოწმო, რა გააკეთეს, და მიმართულება შევუცვალო, თუ რამეა გამოსასწორებელი ან სხვა მიმართულების შესწავლა მსურს.“

უშუალო უპირატესობა ისაა, რომ Codex-ის აგენტები მკვლევრებს ექსპერიმენტული ანალიზისა და გაზომვების სტაბილურად წარმართვაში მუდმივი ზედამხედველობის გარეშე ეხმარებიან. გამოცდილ მკვლევრებს კალიბრაციის საუკეთესო პარამეტრების პოვნა შესაძლოა კვლავაც უფრო სწრაფად შეეძლოთ, ვიდრე ამჟამინდელ AI-მოდელებს. თუმცა კალიბრაციის პროცესის ყოველი ეტაპის მონიტორინგზე დახარჯული დროის დაზოგვით მკვლევრებს სხვა სამუშაოზე კონცენტრირება შეუძლიათ.

ჩიპის სტანდარტული დახასიათება შედარებით მკაფიოდ განსაზღვრულ სამუშაო პროცესს მიჰყვება. ახალი ტიპის ექსპერიმენტებისთვის იანკელევიჩი Codex-ის აგენტებს უფრო ვიწრო ექსპერიმენტულ მიზნებს უსახავს და მეტად იყენებს მათ უნარს, დაწერონ, შეცვალონ და გამოცადონ მართვის, ანალიზისა და სიმულაციის ახალი კოდი. აგენტების ლაბორატორიასთან პირდაპირ დაკავშირება ჯგუფს საშუალებას აძლევს, შეცვალოს კოდი, რეალურ გაზომვებზე გამოცადოს და სამუშაოს ხანგრძლივი მონაკვეთები ავტონომიურად შეასრულოს.

„შევქმენი ინფრასტრუქტურა, რომელიც აგენტებს ჩემი სამუშაოს რამდენიმე მიმართულებაში — გაზომვებში, თეორიასა და ჩიპების დიზაინში — წარმართავს და ახლა ეს ძალისხმევა ნამდვილად იწყებს შედეგის მოტანას“, — თქვა იანკელევიჩმა. „შემიძლია, რამდენიმე აგენტს ერთდროულად სხვადასხვა პრობლემაზე ვამუშაო, თავად კი დროის უმეტესობა უფრო მაღალი დონის სამუშაოს დავუთმო — შედეგების ინტერპრეტაციას, ექსპერიმენტების მოფიქრებას, აგენტებისთვის შემდეგი ნაბიჯების დაგეგმვას, კითხვასა და წერას.“