Үндсэн агуулга руу алгасах
OpenAI

2026 оны есдүгээр сарын 8

Хэрэглээний AI

GPT‑5.6 Sol квант тооцооллын туршилтад хэрхэн тусалдаг вэ

GPT‑5.6 Sol-ийг лабораторийн программд холбож, квант чипийн ердийн хэмжилтийг хийлгэн сайжруулснаар Беатрис Янкелевич туршилтын загвар, өгөгдлийн шинжилгээнд төвлөрөх боломжтой болов.

Ачаалж байна…

Квант тооцоолол нь мэдээлэл боловсруулахдаа квант механикийн өвөрмөц шинж чанарыг ашигладаг, хөгжиж буй технологи юм. Ирээдүйд энэ технологи нарийн төвөгтэй материал, молекулуудыг илүү сайн загварчлах боломжтой. Ердийн процессороос ялгаатай нь квант процессорыг квант бит буюу кубитээр бүтээдэг. Кубитийн туршилтыг бэлтгэж, явуулахад хэдэн сар зарцуулж, урьдчилсан хэдэн зуугаас хэдэн мянган хэмжилт хийх шаардлагатай болдог. Энэ ажилд хиймэл оюун туслахад бэлэн байна.

MIT-ийн Инженерчлэгдсэн квант системийн группийн (EQuS) магистрант Беатрис Янкелевич туршилтын ажлын урсгалаа хиймэл оюунаар хялбаршуулж болох эсэхийг судлахдаа Codex-т холбосон GPT‑5.6 Sol-ийг ашиглажээ. MIT-ийн энэ групп шингэрүүлэлтийн хөргүүр хэмээх тусгай төхөөрөмжид абсолют тэгтэй ойролцоо температур хүртэл хөргөдөг хэт дамжуулагч кубитүүдийг судалдаг. Эдгээр кубит үйлдлийг хурдан гүйцэтгэдэг, богино долгионы дохиогоор нарийн удирдаж болдог бөгөөд түгээмэл үйлдвэрлэлийн аргаар хийж, чип дээр байрлуулах боломжтой.

Хэт дамжуулагч кубит чипийг үйлдвэрлэж, корпусжуулж, хөргөсний дараа судлаачид түүнтэй зөвхөн программ хангамжаар харилцдаг. Тиймээс Янкелевичийн туршилтууд хиймэл оюуны агентуудыг шалгах тохиромжтой орчин болсон. Codex-ийг туршилтуудыг зохицуулдаг лабораторийн программ хангамжтай холбосноор хэмжилт хийж, үр дүнг шинжлэн, дараа нь юу туршихаа шийдэх боломжтой болсон. GPT‑5.6 Sol хэмжилтийн ердийн ажлын урсгалыг ихэвчлэн бие даан гүйцэтгэж, ихээхэн цаг хэмнэн, туршилтыг байнгын хяналтгүй явуулах боломж олгодгийг Янкелевич тогтоожээ. Ингэснээр тэр үр дүнг шинжлэх, туршилт зохиох, судалгааныхаа дараагийн алхмуудыг төлөвлөхөд илүү их цаг зарцуулах боломжтой болсон.

Корпусжуулсан кубит чипийг түүнтэй холбох кабель бүхий нээлттэй шингэрүүлэлтийн хөргүүрийн хажууд байрлуулжээ.

Корпусжуулсан кубит чип (зүүн талд) нээлттэй шингэрүүлэлтийн хөргүүрийн (баруун талд) дотор байна. ЭХ СУРВАЛЖ: EQuS групп

Харилцан хамааралтай хэмжилтүүдийг уялдуулах нь

Хэт дамжуулагч кубитүүд атомын адил зөвхөн тодорхой энергийн түвшинд оршиж чаддаг тул тэдгээрийг хиймэл атом гэж нэрлэх нь элбэг. Богино долгионы импульс кубитийг эдгээр түвшний хооронд шилжүүлж, квант төлөвийг нь шинжилдэг. Судлаачид чип рүү илгээх импульсийн дарааллыг боловсруулж, тохируулсны дараа буцаж ирэх дохиог тоон хэлбэрт шилжүүлэн шинжилдэг. Эдгээр хэмжилтээр кубит бүрийн резонансын давтамж, улмаар кубитийг нарийн удирдах боломж; квант мэдээллийг хэр удаан хадгалдаг хугацаа; тооцоолол хийхэд шаардлагатай тохиргоог тодорхойлдог.

Кубитийг тохируулахын тулд үр дүн бүр нь дараагийн алхмыг тодорхойлдог, харилцан хамааралтай цуврал хэмжилт хийх шаардлагатай. Кубитийн шинж чанар үе үе хэлбэлзэж, гэнэтийн физик төлөв байдал зөрүүтэй үр дүн гаргахад хүргэж болно. Туршлагатай судлаачид эдгээр өөрчлөлтийг таньж, үүссэн нөхцөлд дасан зохицож чаддаг. Программ хангамжийн удирдлага, давтан хэмжилт, нөхцөлд тохируулан шийдвэр гаргалтыг ийнхүү хослуулдаг тул кубитийн тохируулга нь хиймэл оюуны агент ашиглах оновчтой жишээ болдог.

Янкелевич EQuS үйлдвэрлэлийн үйл явцаа жишихдээ тогтмол ашигладаг стандарт төрлийн, тохируулаагүй зургаан кубиттэй чип дээр хэмжилт хийх GPT‑5.6 Sol-ийн чадварыг туршжээ. Тэр туршилт бүрийг хэрхэн явуулж, үнэлэхийг тайлбарласан хэмжилт тус бүрийн ур чадварыг Codex-т өгсөн. GPT‑5.6 Sol эдгээр ур чадвар болон чипийн загварын зорилтот үзүүлэлтэд тулгуурлан хэмжилтийн параметрүүдийг сонгож, тоног төхөөрөмжийг ажиллуулан, гарсан өгөгдлийг шинжилж, дараа нь хэмжилтийг сайжруулах эсвэл үр дүнг дараагийн хэмжилтэд ашиглахаар хадгалсан.

Дохио тодорхой үед Codex судлаачийн оролцоо бараг шаардахгүйгээр стандарт цуврал хэмжилтийг гүйцэтгэсэн. Codex кубитийн шилжилтийн давтамжийг тодорхойлж, түүнийг удирдах болон уншихад ашигладаг импульсүүдийг тохируулан, кубит квант мэдээллийг хэр удаан хадгалдгийг тогтоосон.

Туршилтын дохио сул эсвэл шуугиантай үед GPT‑5.6 Sol-д илүү хүндрэл тулгарсан. Ийм үед тохирох хэмжилтийн параметрүүдийг олоход илүү удаан хугацаа зарцуулж, заримдаа туршлагатай судлаачийн чиглүүлэг шаардлагатай болсон. Одоогийн агентууд тодорхой заасан туршилтын ажлын урсгалыг гүйцэтгэж чаддаг ч хоёрдмол утгатай физик үр дүнг тайлбарлах нь бэрхшээл хэвээр байгааг үр дүн харуулжээ.

EQuS ийм стандарт чипийг олноор үйлдвэрлэдэг бөгөөд нэг бүрийнх нь шинж чанарыг тодорхойлоход судлаач хэдэн өдөр зарцуулж болно. Тус групп одоо ердийн хэмжилтүүдийг агентуудаар тогтмол гүйцэтгүүлж, судлаачдад бусад ажилдаа төвлөрөх боломж олгодог.

Янкелевич: «Би шөнөжин эсвэл цэвэр өрөөнд ажиллаж байхдаа агентуудаар олон цагийн турш хэмжилт хийлгэж чадна» гэв. «Би утсаараа явцыг нь шалгаж, юу хийснийг нь хараад, ямар нэг зүйлийг засах шаардлагатай эсвэл өөр чиглэл судлахыг хүсвэл тэднийг чиглүүлж чадна.»

GPT-5.6 Sol-ийн давтамж-амплитудын тохируулгын хоёр дэлгэцийн зурагт ягаан градиент дэвсгэр дээр Раби ба Рамсейн тохируулгын үр дүн, графикуудыг харуулжээ.

Тохируулгын ажиллагааны үеийн GPT‑5.6 Sol-ийн бодлын хэлхээнээс авсан хэсэг. ЭХ СУРВАЛЖ: EQuS групп

Судлаачидтай хамтран ажиллах нь

Codex агентууд байнгын хяналтгүйгээр туршилтын шинжилгээ, хэмжилтийг тогтвортой ахиулахад судлаачдад тусалж чаддаг нь шууд давуу тал юм. Туршлагатай судлаачид одоогийн хиймэл оюуны загваруудаас илүү хурдан хамгийн тохиромжтой тохируулгыг тогтоож чаддаг хэвээр байж болох юм. Гэхдээ тохируулгын үйл явцын алхам бүрийг хянахад өмнө нь зарцуулдаг байсан цагаа хэмнэснээр судлаачид бусад ажилдаа төвлөрөх боломжтой.

Чипийн ердийн шинж чанарыг тодорхойлох ажил харьцангуй тодорхой дараалалтай. Шинэ төрлийн туршилтад Янкелевич Codex агентуудад илүү нарийн хүрээтэй туршилтын зорилго өгч, удирдлага, шинжилгээ, симуляцид зориулсан шинэ код бичих, өөрчлөх, турших чадварыг нь түлхүү ашигладаг. Агентуудыг лабораторитой шууд холбосноор баг кодоо шинэчилж, бодит хэмжилтээр туршин, урт хугацааны ажлыг бие даан гүйцэтгэх боломжтой болсон.

Янкелевич: «Би хэмжилт, онол, чипийн загвар зэрэг ажлынхаа хэд хэдэн хэсэгт агентуудыг чиглүүлэх дэд бүтэц байгуулсан. Одоо энэ нь үнэхээр үр өгөөжөө өгч эхэлж байна» гэв. «Би олон агентыг өөр өөр асуудал дээр зэрэг ажиллуулж чадна. Харин өөрөө үр дүнг тайлбарлах, туршилт боловсруулах, агентуудын дараагийн алхмыг төлөвлөх, унших, бичих зэрэг илүү өндөр түвшний ажилд ихэнх цагаа зарцуулдаг.»

  • 2026
  • Codex

Зохиогч

OpenAI