ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸಲು GPT‑5.6 Sol ಹೇಗೆ ನೆರವಾಗುತ್ತದೆ
ಕ್ವಾಂಟಮ್ ಚಿಪ್ಗಳ ನಿಯತ ಮಾಪನಗಳನ್ನು ನಡೆಸಿ ಸುಧಾರಿಸಲು GPT‑5.6 Sol ಅನ್ನು ಪ್ರಯೋಗಾಲಯದ ಸಾಫ್ಟ್ವೇರ್ಗೆ ಸಂಪರ್ಕಿಸಿದ್ದರಿಂದ Beatriz Yankelevich ಪ್ರಯೋಗ ವಿನ್ಯಾಸ ಮತ್ತು ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಣೆಯತ್ತ ಗಮನಹರಿಸಲು ಸಾಧ್ಯವಾಯಿತು.
ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಎಂಬುದು ಮಾಹಿತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಕ್ವಾಂಟಮ್ ಕಂಪ್ಯೂಟಿಂಗ್ನ ವಿಶಿಷ್ಟ ಗುಣಗಳನ್ನು ಬಳಸುವ ಉದಯೋನ್ಮುಖ ತಂತ್ರಜ್ಞಾನವಾಗಿದೆ. ಭವಿಷ್ಯದಲ್ಲಿ ಇದು ಸಂಕೀರ್ಣ ವಸ್ತುಗಳು ಮತ್ತು ಅಣುಗಳನ್ನು ಇನ್ನಷ್ಟು ಉತ್ತಮವಾಗಿ ಅನುಕರಿಸಬಹುದು. ಸಾಂಪ್ರದಾಯಿಕ ಪ್ರೊಸೆಸರ್ಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ಕ್ವಾಂಟಮ್ ಪ್ರೊಸೆಸರ್ಗಳನ್ನು ಕ್ವಾಂಟಮ್ ಬಿಟ್ಗಳು ಅಥವಾ ಕ್ಯೂಬಿಟ್ಗಳಿಂದ ನಿರ್ಮಿಸಲಾಗುತ್ತದೆ. ಕ್ಯೂಬಿಟ್ ಪ್ರಯೋಗಗಳನ್ನು ಸಿದ್ಧಪಡಿಸಿ ನಡೆಸಲು ಹಲವು ತಿಂಗಳುಗಳು ಬೇಕಾಗಬಹುದು ಮತ್ತು ನೂರಾರು ಅಥವಾ ಸಾವಿರಾರು ಪೂರ್ವಭಾವಿ ಮಾಪನಗಳು ಅಗತ್ಯವಾಗಬಹುದು. ಈ ಕೆಲಸದಲ್ಲಿ AI ನೆರವಾಗಲು ಸಜ್ಜಾಗಿದೆ.
MIT ಯ ಎಂಜಿನಿಯರಿಂಗ್ ಕ್ವಾಂಟಮ್ ಸಿಸ್ಟಮ್ಸ್ ಗುಂಪಿನ (EQuS) ಸ್ನಾತಕೋತ್ತರ ವಿದ್ಯಾರ್ಥಿನಿ Beatriz Yankelevich, AI ತಮ್ಮ ಪ್ರಾಯೋಗಿಕ ವರ್ಕ್ಫ್ಲೋ ಅನ್ನು ಸರಳಗೊಳಿಸಬಹುದೇ ಎಂದು ಅನ್ವೇಷಿಸಲು Codex ಗೆ ಜೋಡಿಸಲಾದ GPT‑5.6 Sol ಅನ್ನು ಬಳಸಿದರು. MIT ಗುಂಪು ಸೂಪರ್ಕಂಡಕ್ಟಿಂಗ್ ಕ್ಯೂಬಿಟ್ಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುತ್ತದೆ. ಅವುಗಳನ್ನು ಡೈಲ್ಯೂಷನ್ ರೆಫ್ರಿಜರೇಟರ್ಗಳೆಂಬ ವಿಶೇಷ ಸಾಧನಗಳೊಳಗೆ ನಿರಪೇಕ್ಷ ಶೂನ್ಯಕ್ಕೆ ಸಮೀಪದ ತಾಪಮಾನಕ್ಕೆ ತಂಪಾಗಿಸಲಾಗುತ್ತದೆ. ಈ ಕ್ಯೂಬಿಟ್ಗಳು ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ವೇಗವಾಗಿ ನಿರ್ವಹಿಸುತ್ತವೆ, ಮೈಕ್ರೋವೇವ್ ಸಿಗ್ನಲ್ಗಳಿಂದ ನಿಖರವಾಗಿ ನಿಯಂತ್ರಿಸಲ್ಪಡುತ್ತವೆ ಮತ್ತು ಪರಿಚಿತ ಉತ್ಪಾದನಾ ವಿಧಾನಗಳಿಂದ ತಯಾರಿಸಿ ಚಿಪ್ನಲ್ಲಿ ಜೋಡಿಸಬಹುದು.
ಸೂಪರ್ಕಂಡಕ್ಟಿಂಗ್ ಕ್ಯೂಬಿಟ್ ಚಿಪ್ ಅನ್ನು ತಯಾರಿಸಿ, ಪ್ಯಾಕ್ ಮಾಡಿ, ತಂಪಾಗಿಸಿದ ಬಳಿಕ ಸಂಶೋಧಕರು ಅದರೊಂದಿಗೆ ಸಂಪೂರ್ಣವಾಗಿ ಸಾಫ್ಟ್ವೇರ್ನ ಮೂಲಕ ಸಂವಹನ ನಡೆಸುತ್ತಾರೆ. ಹೀಗಾಗಿ Yankelevich ಅವರ ಪ್ರಯೋಗಗಳು AI ಏಜೆಂಟ್ಗಳಿಗೆ ಸಹಜ ಪರೀಕ್ಷಾ ವೇದಿಕೆಯಾದವು. ಪ್ರಯೋಗಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಪ್ರಯೋಗಾಲಯ ಸಾಫ್ಟ್ವೇರ್ಗೆ Codex ಅನ್ನು ಸಂಪರ್ಕಿಸಿದ್ದರಿಂದ ಅದು ಮಾಪನಗಳನ್ನು ನಡೆಸಲು, ಫಲಿತಾಂಶಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಮತ್ತು ಮುಂದೇನು ಪ್ರಯತ್ನಿಸಬೇಕೆಂದು ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಾಯಿತು. GPT‑5.6 Sol ಅನೇಕ ಬಾರಿ ನಿಯತ ಮಾಪನ ವರ್ಕ್ಫ್ಲೋಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪೂರ್ಣಗೊಳಿಸಬಲ್ಲದು ಎಂದು Yankelevich ಕಂಡುಕೊಂಡರು. ಇದರಿಂದ ಅವರ ಸಾಕಷ್ಟು ಸಮಯ ಉಳಿಯಿತು ಮತ್ತು ನಿರಂತರ ಮೇಲ್ವಿಚಾರಣೆಯಿಲ್ಲದೆ ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸಲು ಸಾಧ್ಯವಾಯಿತು. ಇದರಿಂದ ಅವರಿಗೆ ಫಲಿತಾಂಶಗಳ ವಿಶ್ಲೇಷಣೆ, ಪ್ರಯೋಗಗಳ ವಿನ್ಯಾಸ ಮತ್ತು ಸಂಶೋಧನೆಯ ಮುಂದಿನ ಹಂತಗಳ ಯೋಜನೆಗೆ ಹೆಚ್ಚು ಸಮಯ ಮೀಸಲಿಡಲು ಸಾಧ್ಯವಾಯಿತು.

ತೆರೆದ ಡೈಲ್ಯೂಷನ್ ರೆಫ್ರಿಜರೇಟರ್ನ (ಬಲ) ಒಳಗೆ ಪ್ಯಾಕ್ ಮಾಡಿದ ಕ್ಯೂಬಿಟ್ ಚಿಪ್ (ಎಡ) ಇದೆ. ಚಿತ್ರ ಕೃಪೆ: EQuS ಗ್ರೂಪ್
ಪರಸ್ಪರ ಅವಲಂಬಿತ ಮಾಪನಗಳ ಸಂಯೋಜನೆ
ಪರಮಾಣುಗಳಂತೆಯೇ ನಿರ್ದಿಷ್ಟ ಶಕ್ತಿಮಟ್ಟಗಳಲ್ಲಿ ಮಾತ್ರ ಇರಲು ಸಾಧ್ಯವಿರುವುದರಿಂದ ಸೂಪರ್ಕಂಡಕ್ಟಿಂಗ್ ಕ್ಯೂಬಿಟ್ಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಕೃತಕ ಪರಮಾಣುಗಳೆಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಮೈಕ್ರೋವೇವ್ ಪಲ್ಸ್ಗಳು ಕ್ಯೂಬಿಟ್ಗಳನ್ನು ಈ ಮಟ್ಟಗಳ ನಡುವೆ ಚಲಿಸುವಂತೆ ಮಾಡಿ, ಅವುಗಳ ಕ್ವಾಂಟಮ್ ಸ್ಥಿತಿಯನ್ನು ಪರಿಶೀಲಿಸುತ್ತವೆ. ಸಂಶೋಧಕರು ಚಿಪ್ಗೆ ಕಳುಹಿಸುವ ಪಲ್ಸ್ ಸೀಕ್ವೆನ್ಸ್ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಿ, ಕ್ಯಾಲಿಬ್ರೇಟ್ ಮಾಡುತ್ತಾರೆ. ನಂತರ ಮರಳಿ ಬರುವ ಸಿಗ್ನಲ್ಗಳನ್ನು ಅಂಕೀಕರಿಸಿ ವಿಶ್ಲೇಷಿಸುತ್ತಾರೆ. ಈ ಮಾಪನಗಳು ಪ್ರತಿ ಕ್ಯೂಬಿಟ್ನ ಅನುರಣನ ಆವರ್ತನಗಳು, ಕ್ಯೂಬಿಟ್ ಕ್ವಾಂಟಮ್ ಮಾಹಿತಿಯನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವ ಅವಧಿ ಮತ್ತು ಗಣನೆಗಳಿಗೆ ಅಗತ್ಯವಾದ ಸೆಟ್ಟಿಂಗ್ಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತವೆ. ಇದರಿಂದ ಕ್ಯೂಬಿಟ್ ಅನ್ನು ನಿಖರವಾಗಿ ನಿಯಂತ್ರಿಸಬಹುದು.
ಕ್ಯೂಬಿಟ್ಗಳನ್ನು ಕ್ಯಾಲಿಬ್ರೇಟ್ ಮಾಡುವುದು ಪರಸ್ಪರ ಅವಲಂಬಿತ ಮಾಪನಗಳ ಸರಣಿ ಬೇಕಾಗುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಫಲಿತಾಂಶವೂ ಮುಂದಿನ ಹಂತವನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ. ಕ್ಯೂಬಿಟ್ ಗುಣಲಕ್ಷಣಗಳು ಕೆಲವೊಮ್ಮೆ ಬದಲಾಗಬಹುದು ಮತ್ತು ಅನಿರೀಕ್ಷಿತ ಭೌತಿಕ ವರ್ತನೆಯು ಅಸಂಗತ ಫಲಿತಾಂಶಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು. ಅನುಭವಿ ಸಂಶೋಧಕರು ಈ ಬದಲಾವಣೆಗಳನ್ನು ಗುರುತಿಸಿ ಅವುಗಳಿಗೆ ತಕ್ಕಂತೆ ಹೊಂದಿಕೊಳ್ಳಬಲ್ಲರು. ಸಾಫ್ಟ್ವೇರ್ ನಿಯಂತ್ರಣ, ಪುನರಾವರ್ತಿತ ಮಾಪನಗಳು ಮತ್ತು ಸಂದರ್ಭಕ್ಕೆ ತಕ್ಕ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆಯ ಈ ಸಂಯೋಜನೆಯು ಕ್ಯೂಬಿಟ್ ಕ್ಯಾಲಿಬ್ರೇಶನ್ ಅನ್ನು AI ಏಜೆಂಟ್ಗಳಿಗೆ ಸೂಕ್ತವಾದ ಬಳಕೆಯ ಸಂದರ್ಭವನ್ನಾಗಿಸುತ್ತದೆ.
ತಯಾರಿಕಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಮಾನದಂಡದೊಂದಿಗೆ ಹೋಲಿಸಲು EQuS ನಿಯಮಿತವಾಗಿ ಬಳಸುವ ಪ್ರಮಾಣಿತ ಪ್ರಕಾರದ ಕ್ಯಾಲಿಬ್ರೇಟ್ ಮಾಡದ ಆರು-ಕ್ಯೂಬಿಟ್ ಚಿಪ್ನಲ್ಲಿ ಮಾಪನಗಳನ್ನು ನಡೆಸುವ GPT‑5.6 Sol ನ ಸಾಮರ್ಥ್ಯವನ್ನು Yankelevich ಪರೀಕ್ಷಿಸಿದರು. ಪ್ರತಿ ಪ್ರಯೋಗವನ್ನು ಹೇಗೆ ನಡೆಸಬೇಕು ಮತ್ತು ಮೌಲ್ಯಮಾಪನ ಮಾಡಬೇಕು ಎಂಬುದನ್ನು ವಿವರಿಸುವ ಮಾಪನ-ನಿರ್ದಿಷ್ಟ ಕೌಶಲ್ಯಗಳನ್ನು ಅವರು Codex ಗೆ ಒದಗಿಸಿದರು. ಈ ಕೌಶಲ್ಯಗಳು ಮತ್ತು ಚಿಪ್ನ ವಿನ್ಯಾಸ ಗುರಿಗಳನ್ನು ಬಳಸಿ GPT‑5.6 Sol ಮಾಪನ ನಿಯತಾಂಕಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿತು, ಹಾರ್ಡ್ವೇರ್ ಅನ್ನು ನಿರ್ವಹಿಸಿತು ಮತ್ತು ದೊರೆತ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸಿತು. ನಂತರ ಅದು ಮಾಪನವನ್ನು ಸುಧಾರಿಸಿತು ಅಥವಾ ಮುಂದಿನ ಮಾಪನದಲ್ಲಿ ಬಳಸಲು ಫಲಿತಾಂಶವನ್ನು ಉಳಿಸಿತು.
ಸಿಗ್ನಲ್ಗಳು ಸ್ಪಷ್ಟವಾಗಿದ್ದಾಗ Codex ಸಂಶೋಧಕರ ಅಲ್ಪ ಹಸ್ತಕ್ಷೇಪದೊಂದಿಗೆ ಪ್ರಮಾಣಿತ ಮಾಪನ ಅನುಕ್ರಮವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿತು. ಅದು ಕ್ಯೂಬಿಟ್ನ ಪರಿವರ್ತನಾ ಆವರ್ತನಗಳನ್ನು ಗುರುತಿಸಿತು, ಅದನ್ನು ನಿಯಂತ್ರಿಸಲು ಮತ್ತು ಓದಲು ಬಳಸುವ ಪಲ್ಸ್ಗಳನ್ನು ಕ್ಯಾಲಿಬ್ರೇಟ್ ಮಾಡಿತು ಹಾಗೂ ಕ್ಯೂಬಿಟ್ ಕ್ವಾಂಟಮ್ ಮಾಹಿತಿಯನ್ನು ಎಷ್ಟು ಕಾಲ ಉಳಿಸಿಕೊಂಡಿತು ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಿತು.

ಒಂದು ಕ್ಯೂಬಿಟ್ಗಾಗಿ GPT‑5.6 Sol ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪೂರ್ಣಗೊಳಿಸಿದ ಕ್ಯಾಲಿಬ್ರೇಶನ್ ಮಾಪನಗಳ ಸಮೂಹ. ಚಿತ್ರ ಕೃಪೆ: EQuS ಗ್ರೂಪ್

ಒಂದು ಕ್ಯೂಬಿಟ್ಗಾಗಿ GPT‑5.6 Sol ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪೂರ್ಣಗೊಳಿಸಿದ ಕ್ಯಾಲಿಬ್ರೇಶನ್ ಮಾಪನಗಳ ಸಮೂಹ. ಚಿತ್ರ ಕೃಪೆ: EQuS ಗ್ರೂಪ್

ಒಂದು ಕ್ಯೂಬಿಟ್ಗಾಗಿ GPT‑5.6 Sol ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪೂರ್ಣಗೊಳಿಸಿದ ಕ್ಯಾಲಿಬ್ರೇಶನ್ ಮಾಪನಗಳ ಸಮೂಹ. ಚಿತ್ರ ಕೃಪೆ: EQuS ಗ್ರೂಪ್
ಪ್ರಾಯೋಗಿಕ ಸಿಗ್ನಲ್ಗಳು ದುರ್ಬಲವಾಗಿದ್ದಾಗ ಅಥವಾ ಶಬ್ದದಿಂದ ಕೂಡಿದ್ದಾಗ GPT‑5.6 Sol ಗೆ ಹೆಚ್ಚು ತೊಂದರೆಯಾಯಿತು. ಅಂತಹ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಸೂಕ್ತ ಮಾಪನ ಪ್ಯಾರಾಮೀಟರ್ಗಳನ್ನು ಹುಡುಕಲು ಹೆಚ್ಚು ಸಮಯ ಬೇಕಾಯಿತು ಮತ್ತು ಕೆಲವೊಮ್ಮೆ ಅನುಭವಿ ಸಂಶೋಧಕರ ಮಾರ್ಗದರ್ಶನವೂ ಅಗತ್ಯವಾಯಿತು. ಪ್ರಸ್ತುತ ಏಜೆಂಟ್ಗಳು ಸ್ಪಷ್ಟವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಪ್ರಾಯೋಗಿಕ ವರ್ಕ್ಫ್ಲೋಗಳನ್ನು ನಿಭಾಯಿಸಬಲ್ಲವು, ಆದರೆ ಅಸ್ಪಷ್ಟ ಭೌತಿಕ ಫಲಿತಾಂಶಗಳನ್ನು ಅರ್ಥೈಸುವುದು ಇನ್ನೂ ಸವಾಲಾಗಿದೆ ಎಂಬುದನ್ನು ಫಲಿತಾಂಶಗಳು ಸೂಚಿಸುತ್ತವೆ.
EQuS ಇಂತಹ ಅನೇಕ ಪ್ರಮಾಣಿತ ಚಿಪ್ಗಳನ್ನು ತಯಾರಿಸುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಚಿಪ್ನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ನಿರ್ಧರಿಸಲು ಸಂಶೋಧಕರಿಗೆ ಹಲವು ದಿನಗಳು ಬೇಕಾಗಬಹುದು. ಗುಂಪು ಈಗ ದಿನನಿತ್ಯದ ಮಾಪನಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಏಜೆಂಟ್ಗಳನ್ನು ನಿಯಮಿತವಾಗಿ ಬಳಸುತ್ತಿದೆ. ಇದರಿಂದ ಸಂಶೋಧಕರು ಇತರ ಕೆಲಸಗಳತ್ತ ಗಮನಹರಿಸಬಹುದು.
“ರಾತ್ರಿಯಿಡೀ ಹಲವು ಗಂಟೆಗಳ ಕಾಲ ಅಥವಾ ನಾನು ಸ್ವಚ್ಛಕೋಣೆಯಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತಿರುವಾಗ ಏಜೆಂಟ್ಗಳಿಂದ ಮಾಪನಗಳನ್ನು ನಡೆಸಬಹುದು,” ಎಂದು Yankelevich ಹೇಳಿದರು. “ನನ್ನ ಫೋನ್ನಿಂದಲೇ ಪರಿಶೀಲಿಸಿ, ಅವುಗಳು ಏನು ಮಾಡಿವೆ ಎಂದು ನೋಡಬಹುದು. ಏನನ್ನಾದರೂ ಸರಿಪಡಿಸಬೇಕಿದ್ದರೆ ಅಥವಾ ಬೇರೆ ದಿಕ್ಕನ್ನು ಅನ್ವೇಷಿಸಬೇಕಿದ್ದರೆ ಅವುಗಳಿಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಬಹುದು.”

ಕ್ಯಾಲಿಬ್ರೇಶನ್ ಪ್ರಕ್ರಿಯೆಯಿಂದ ಆಯ್ದ GPT‑5.6 Sol ನ ಚೈನ್-ಆಫ್-ಥಾಟ್ ಭಾಗ. ಚಿತ್ರ ಕೃಪೆ: EQuS ಗ್ರೂಪ್
ಸಂಶೋಧಕರೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದು
ನಿರಂತರ ಮೇಲ್ವಿಚಾರಣೆಯಿಲ್ಲದೆ ಪ್ರಾಯೋಗಿಕ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಮಾಪನಗಳಲ್ಲಿ ಸ್ಥಿರ ಪ್ರಗತಿ ಸಾಧಿಸಲು Codex ಏಜೆಂಟ್ಗಳು ಸಂಶೋಧಕರಿಗೆ ನೆರವಾಗಬಲ್ಲವು ಎಂಬುದು ಇದರ ತಕ್ಷಣದ ಪ್ರಯೋಜನವಾಗಿದೆ. ಪ್ರಸ್ತುತ AI ಮಾದರಿಗಳಿಗಿಂತ ಅನುಭವಿ ಸಂಶೋಧಕರು ಅತ್ಯುತ್ತಮ ಮಾಪನಾಂಕ ಸೆಟ್ಟಿಂಗ್ಗಳನ್ನು ಇನ್ನೂ ವೇಗವಾಗಿ ಗುರುತಿಸಬಲ್ಲರು. ಆದರೆ ಕ್ಯಾಲಿಬ್ರೇಶನ್ ಪ್ರಕ್ರಿಯೆಯ ಪ್ರತಿಯೊಂದು ಹಂತವನ್ನೂ ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಹಿಂದೆ ವ್ಯಯಿಸುತ್ತಿದ್ದ ಸಮಯವನ್ನು ಉಳಿಸುವುದರಿಂದ ಸಂಶೋಧಕರು ಇತರ ಕೆಲಸಗಳತ್ತ ಗಮನಹರಿಸಬಹುದು.
ನಿಯತ ಚಿಪ್ ಗುಣಲಕ್ಷಣ ನಿರ್ಧಾರವು ಸಾಕಷ್ಟು ಸ್ಪಷ್ಟವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ವರ್ಕ್ಫ್ಲೋ ಅನ್ನು ಅನುಸರಿಸುತ್ತದೆ. ಹೊಸ ಪ್ರಯೋಗಗಳಿಗಾಗಿ Yankelevich Codex ಏಜೆಂಟ್ಗಳಿಗೆ ಸೀಮಿತ ಪ್ರಾಯೋಗಿಕ ಗುರಿಗಳನ್ನು ನೀಡುತ್ದೆ. ಜೊತೆಗೆ ನಿಯಂತ್ರಣ, ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಅನುಕರಣೆಗೆ ಹೊಸ ಕೋಡ್ ಬರೆಯುವ, ಮಾರ್ಪಡಿಸುವ ಹಾಗೂ ಪರೀಕ್ಷಿಸುವ ಅವುಗಳ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೆಚ್ಚು ಬಳಸಿಕೊಳ್ಳುತ್ತಾರೆ. ಏಜೆಂಟ್ಗಳನ್ನು ನೇರವಾಗಿ ಪ್ರಯೋಗಾಲಯಕ್ಕೆ ಸಂಪರ್ಕಿಸುವುದರಿಂದ ಗುಂಪು ಕೋಡ್ ಪರಿಷ್ಕರಿಸಲು, ನೈಜ ಮಾಪನಗಳೊಂದಿಗೆ ಅದನ್ನು ಪರೀಕ್ಷಿಸಲು ಮತ್ತು ದೀರ್ಘಾವಧಿಯ ಕೆಲಸವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪೂರ್ಣಗೊಳಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
“ಮಾಪನ, ಸಿದ್ಧಾಂತ ಮತ್ತು ಚಿಪ್ ವಿನ್ಯಾಸ ಸೇರಿದಂತೆ ನನ್ನ ಕೆಲಸದ ಹಲವು ಭಾಗಗಳಲ್ಲಿ ಏಜೆಂಟ್ಗಳಿಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡುವ ಮೂಲಸೌಕರ್ಯವನ್ನು ನಾನು ನಿರ್ಮಿಸಿದ್ದೇನೆ. ಈಗ ಅದು ನಿಜವಾಗಿಯೂ ಫಲ ನೀಡಲು ಆರಂಭಿಸಿದೆ,” ಎಂದು Yankelevich ಹೇಳಿದರು. “ಒಂದೇ ಸಮಯದಲ್ಲಿ ವಿಭಿನ್ನ ಸಮಸ್ಯೆಗಳ ಮೇಲೆ ಹಲವು ಏಜೆಂಟ್ಗಳನ್ನು ಕೆಲಸಕ್ಕೆ ನಿಯೋಜಿಸಬಹುದು. ನಾನು ಹೆಚ್ಚಿನ ಸಮಯವನ್ನು ಫಲಿತಾಂಶಗಳನ್ನು ಅರ್ಥೈಸುವುದು, ಪ್ರಯೋಗಗಳನ್ನು ರೂಪಿಸುವುದು, ಏಜೆಂಟ್ಗಳ ಮುಂದಿನ ಹಂತಗಳನ್ನು ಯೋಜಿಸುವುದು, ಓದುವುದು ಮತ್ತು ಬರೆಯುವುದರಂತಹ ಉನ್ನತ ಮಟ್ಟದ ಕೆಲಸಕ್ಕೆ ಮೀಸಲಿಡುತ್ತೇನೆ.”
- 2026
- ಕೋಡೆಕ್ಸ್


