GPT‑5.6 Sol क्वांटम कॉम्प्यूटिंग प्रयोग चालवण्यास कसे मदत करते

क्वांटम कॉम्प्यूटिंग हे माहितीवर प्रक्रिया करण्यासाठी क्वांटम यांत्रिकीच्या वैशिष्ट्यपूर्ण गुणधर्मांचा वापर करणारे उदयोन्मुख तंत्रज्ञान आहे. भविष्यात ते गुंतागुंतीच्या पदार्थांचे आणि रेणूंचे अधिक चांगले सिम्युलेशन करू शकेल. पारंपरिक प्रक्रियकांपेक्षा वेगळे, क्वांटम प्रोसेसर्स क्वांटम बिट्स म्हणजेच क्यूबिटपासून बनवले जातात. क्यूबिट प्रयोगांची तयारी करून ते चालवण्यासाठी अनेक महिने आणि शेकडो ते हजारो प्राथमिक मापने लागू शकतात. या कामात AI मदत करू शकते.

MIT च्या इंजिनिअरिंग क्वांटम सिस्टम्स ग्रुपमधील (EQuS) पदव्युत्तर विद्यार्थिनी बियाट्रिझ यांकेलेविच यांनी आपला प्रायोगिक कार्यप्रवाह AI मुळे अधिक सुटसुटीत होऊ शकतो का, हे पाहण्यासाठी Codex शी जोडलेले GPT‑5.6 Sol वापरले. MIT मधील हा ग्रुप सुपरकंडक्टिंग क्यूबिटचा अभ्यास करतो. विरलीकरण प्रशीतक नावाच्या विशेष उपकरणांत हे क्यूबिट जवळपास निरपेक्ष शून्य तापमानापर्यंत थंड केले जातात. हे क्यूबिट वेगाने क्रिया करतात, सूक्ष्मतरंग संकेतांनी अचूकपणे नियंत्रित करता येतात आणि परिचित उत्पादन तंत्रांनी बनवून चिपवर मांडता येतात.

सुपरकंडक्टिंग क्यूबिट चिपची निर्मिती, पॅकेजिंग आणि शीतकरण झाल्यानंतर संशोधक तिच्याशी पूर्णपणे सॉफ्टवेअरद्वारे संवाद साधतात. त्यामुळे यांकेलेविच यांचे प्रयोग AI एजंटची चाचणी घेण्यासाठी स्वाभाविक व्यासपीठ ठरले. प्रयोगांचे समन्वयन करणाऱ्या प्रयोगशाळेतील सॉफ्टवेअरशी Codex जोडल्यामुळे त्याला मापने घेता आली, परिणामांचे विश्लेषण करता आले आणि पुढे काय करून पहायचे हे ठरवता आले. यांकेलेविच यांना आढळले की GPT‑5.6 Sol अनेकदा नियमित मापन कार्यप्रवाह स्वायत्तपणे पूर्ण करू शकते. त्यामुळे त्यांचा बराच वेळ वाचला आणि सतत देखरेखीशिवाय प्रयोग चालवता आले. त्यामुळे त्यांना परिणामांचे विश्लेषण, प्रयोगांची रचना आणि संशोधनातील पुढील टप्प्यांचे नियोजन करण्यासाठी अधिक वेळ मिळाला.

अणूंप्रमाणेच सुपरकंडक्टिंग क्यूबिट केवळ विशिष्ट ऊर्जा पातळ्यांवर राहू शकतात, म्हणून त्यांना अनेकदा कृत्रिम अणू म्हटले जाते. सूक्ष्मतरंग स्पंदने क्यूबिटना या पातळ्यांदरम्यान हलवतात आणि त्यांची क्वांटम अवस्था तपासतात. संशोधक चिपकडे पाठवायच्या स्पंदनमालिकांची रचना आणि कॅलिब्रेशन करतात, त्यानंतर परत येणाऱ्या संकेतांना डिजिटाइझ करून त्यांचे विश्लेषण करतात. या मापनांतून प्रत्येक क्यूबिटची अनुनाद वारंवारता, क्यूबिट क्वांटम माहिती किती काळ राखते आणि गणना करण्यासाठी कोणते सेटिंग आवश्यक आहे हे समजते. त्यामुळे संशोधकांना क्यूबिटचे अचूक नियंत्रण करता येते.

क्यूबिटच्या कॅलिब्रेशनसाठी परस्परांवर अवलंबून असलेल्या मापनांची मालिका करावी लागते आणि प्रत्येक परिणाम पुढे काय होईल हे ठरवतो. क्यूबिटचे गुणधर्म कधीकधी बदलू शकतात आणि अनपेक्षित भौतिक वर्तनामुळे विसंगत परिणाम मिळू शकतात. अनुभवी संशोधक हे बदल ओळखून त्यानुसार जुळवून घेऊ शकतात. सॉफ्टवेअरद्वारे नियंत्रण, वारंवार घेतली जाणारी मापने आणि परिस्थितीनुसार निर्णय घेण्याची क्षमता यांच्या संयोगामुळे क्यूबिट कॅलिब्रेशन हे AI एजंटसाठी प्रभावी उपयोगक्षेत्र ठरते.

EQuS आपल्या निर्मिती प्रक्रियेची कामगिरी मापण्यासाठी नियमितपणे वापरत असलेल्या प्रमाणित प्रकारच्या, कॅलिब्रेशन न केलेल्या सहा-क्यूबिट चिपवर मापने घेण्याची GPT‑5.6 Sol ची क्षमता यांकेलेविच यांनी तपासली. प्रत्येक प्रयोग कसा चालवायचा आणि त्याचे मूल्यमापन कसे करायचे हे स्पष्ट करणारी मापनविशिष्ट कौशल्ये त्यांनी Codex ला दिली. ही कौशल्ये आणि चिपची डिझाइन उद्दिष्टे वापरून GPT‑5.6 Sol ने मापनाचे पॅरामीटर्स निवडले, उपकरणे चालवली, मिळालेल्या माहितीचे विश्लेषण केले आणि त्यानंतर मापन अधिक नेमके केले किंवा पुढील मापनासाठी परिणाम सेव्ह केला.

संकेत स्पष्ट असताना Codex ने संशोधकांच्या अत्यल्प हस्तक्षेपाने मापनांचा प्रमाणित क्रम पूर्ण केला. त्याने क्यूबिटच्या संक्रमण वारंवारता ओळखल्या, त्याचे नियंत्रण आणि वाचन करण्यासाठी वापरल्या जाणाऱ्या स्पंदनांचे कॅलिब्रेशन केले आणि क्यूबिटने क्वांटम माहिती किती काळ राखली हे ठरवले.

प्रायोगिक संकेत क्षीण किंवा गोंगाटयुक्त असताना GPT‑5.6 Sol ला अधिक अडचणी आल्या. अशा वेळी योग्य मापन पॅरामीटर्स शोधण्यासाठी अधिक वेळ लागला आणि कधीकधी अनुभवी संशोधकाचे मार्गदर्शनही आवश्यक ठरले. या परिणामांवरून सध्याचे एजंट स्पष्टपणे ठरवलेले प्रायोगिक कार्यप्रवाह हाताळू शकतात, पण संदिग्ध भौतिक परिणामांचा अर्थ लावणे अजूनही त्यांच्यासाठी आव्हानात्मक आहे.

EQuS अशा अनेक स्टँडर्ड चिप तयार करते आणि प्रत्येक चिपचे अभिलक्षण करण्यासाठी संशोधकाला अनेक दिवस लागू शकतात. हा ग्रुप आता नियमित मापने हाताळण्यासाठी नेहमीच एजंट वापरतो, त्यामुळे संशोधकांना इतर कामांवर लक्ष केंद्रित करता येते.

“मी रात्री अनेक तास किंवा मी स्वच्छ कक्षात काम करत असताना एजंटना मापने घेण्यासाठी चालू ठेवू शकते,” यांकेलेविच म्हणाल्या. “मी फोनवरून त्यांचे काम तपासू शकते आणि एखादी गोष्ट दुरुस्त करायची असल्यास किंवा मला वेगळी दिशा तपासायची असल्यास त्यांना मार्गदर्शन करू शकते.”

याचा तात्काळ फायदा असा की, सतत देखरेखीची गरज न पडता Codex एजंट संशोधकांना प्रायोगिक विश्लेषण आणि मापनांमध्ये सातत्याने प्रगती करण्यास मदत करू शकतात. अनुभवी संशोधकांना सध्याच्या AI मॉडेल्सपेक्षा कॅलिब्रेशनचे सर्वोत्तम कॉन्फिगरेशन अजूनही अधिक वेगाने ओळखता येऊ शकते. मात्र कॅलिब्रेशनच्या प्रक्रियेतील प्रत्येक टप्प्यावर लक्ष ठेवण्यासाठी पूर्वी खर्च होणारा वेळ वाचल्यामुळे संशोधक इतर कामांवर लक्ष केंद्रित करू शकतात.

चिपचे नियमित अभिलक्षण सापेक्षिकरीत्या सुस्पष्ट कार्यप्रवाहानुसार केले जाते. नवीन प्रयोगांसाठी यांकेलेविच Codex एजंटना अधिक मर्यादित प्रायोगिक उद्दिष्टे देतात आणि नियंत्रण, विश्लेषण व सिम्युलेशनसाठी नवीन कोड लिहिण्याच्या, बदलण्याच्या आणि तपासण्याच्या त्यांच्या क्षमतेचा अधिक उपयोग करतात. एजंटना थेट प्रयोगशाळेशी जोडल्यामुळे ग्रुपला कोडिंगमध्ये सुधारणा करता येते, प्रत्यक्ष मापनांच्या आधारे त्याची चाचणी घेता येते आणि दीर्घकाळ चालणारे काम स्वायत्तपणे पूर्ण करता येते.

“मापन, सिद्धांत आणि चिप डिझाइन अशा माझ्या कामाच्या अनेक भागांत एजंटना मार्गदर्शन करण्यासाठी मी पायाभूत व्यवस्था उभारली आहे आणि आता तिचा खरोखरच फायदा होऊ लागला आहे,” यांकेलेविच म्हणाल्या. “मी एकाच वेळी अनेक एजंटना वेगवेगळ्या समस्यांवर कामाला लावू शकते. त्यामुळे माझा बहुतांश वेळ परिणामांचा अर्थ लावणे, प्रयोग आखणे, एजंटसाठी पुढील टप्प्यांचे नियोजन करणे, वाचणे आणि लिहिणे अशा उच्चस्तरीय कामांवर खर्च होतो.”