Overslaan naar hoofdinhoud
OpenAI

8 september 2026

Toegepaste AI

Hoe GPT‑5.6 Sol helpt bij quantumcomputerexperimenten

Door GPT‑5.6 Sol met laboratoriumsoftware te verbinden om routinemetingen op quantumchips uit te voeren en te verfijnen, kon Beatriz Yankelevich zich richten op experimentontwerp en data-analyse.

Bezig met laden...

Quantumcomputing is een opkomende technologie die de unieke eigenschappen van de quantummechanica gebruikt om informatie te verwerken. Hiermee kunnen complexe materialen en moleculen mogelijk ooit beter worden gesimuleerd. Anders dan conventionele processors zijn quantumprocessors opgebouwd uit quantumbits, oftewel qubits. Het voorbereiden en uitvoeren van qubitexperimenten kan maanden duren en honderden tot duizenden voorbereidende metingen vereisen. AI kan bij dit werk een belangrijke rol spelen.

Beatriz Yankelevich, promovendus bij de Engineering Quantum Systems Group (EQuS) van MIT, gebruikte GPT‑5.6 Sol via Codex om te onderzoeken of AI haar experimentele workflow kon stroomlijnen. De MIT-groep onderzoekt supergeleidende qubits, die in speciale apparaten, verdunningskoelkasten genoemd, worden gekoeld tot bijna het absolute nulpunt. Deze qubits voeren bewerkingen snel uit, kunnen nauwkeurig worden aangestuurd met microgolfsignalen en kunnen met bekende productietechnieken worden gemaakt en op een chip worden gerangschikt.

Nadat een supergeleidende qubitchip is vervaardigd, verpakt en gekoeld, werken onderzoekers er uitsluitend via software mee. Daardoor vormen de experimenten van Yankelevich een natuurlijke testomgeving voor AI-agents. Door Codex te verbinden met de laboratoriumsoftware die experimenten coördineert, kon het metingen uitvoeren, de resultaten analyseren en bepalen wat de volgende stap moest zijn. Yankelevich ontdekte dat GPT‑5.6 Sol routinematige meetprocessen vaak autonoom kon uitvoeren. Dat bespaarde haar veel tijd en maakte het mogelijk experimenten zonder voortdurend toezicht te laten draaien. Daardoor kon ze meer tijd besteden aan het analyseren van resultaten, het ontwerpen van experimenten en het plannen van de volgende stappen in haar onderzoek.

Een verpakte qubitchip naast een geopende verdunningskoelkast, met kabels die op de chip zijn aangesloten.

Een verpakte qubitchip (links) bevindt zich in een geopende verdunningskoelkast (rechts). BRON: EQuS-groep

Onderling afhankelijke metingen coördineren

Supergeleidende qubits worden vaak kunstmatige atomen genoemd, omdat ze net als atomen alleen specifieke energieniveaus kunnen innemen. Microgolfpulsen verplaatsen qubits tussen deze niveaus en meten hun quantumtoestand. Onderzoekers ontwerpen en kalibreren de pulsreeksen die naar de chip worden gestuurd en digitaliseren en analyseren vervolgens de terugkerende signalen. Deze metingen onthullen de resonantiefrequenties van elke qubit, zodat onderzoekers de qubit nauwkeurig kunnen aansturen; hoelang de qubit quantuminformatie vasthoudt; en welke instellingen nodig zijn om berekeningen uit te voeren.

Voor het kalibreren van qubits is een reeks onderling afhankelijke metingen nodig, waarbij elk resultaat bepaalt wat er daarna gebeurt. De eigenschappen van qubits kunnen soms verschuiven en onverwacht fysiek gedrag kan tot inconsistente resultaten leiden. Ervaren onderzoekers kunnen deze veranderingen herkennen en zich eraan aanpassen wanneer ze optreden. Deze combinatie van softwarebesturing, herhaalde metingen en adaptieve besluitvorming maakt qubitkalibratie ook tot een overtuigende toepassing voor AI-agents.

Yankelevich testte het vermogen van GPT‑5.6 Sol om metingen uit te voeren op een ongekalibreerde chip met zes qubits, van een standaardtype dat EQuS geregeld gebruikt om zijn fabricageproces te benchmarken. Ze voorzag Codex van meetspecifieke vaardigheden die uitlegden hoe elk experiment moest worden uitgevoerd en beoordeeld. Met deze vaardigheden en de ontwerpdoelen van de chip koos GPT‑5.6 Sol meetparameters, bediende het de hardware en analyseerde het de verkregen gegevens. Daarna verfijnde het de meting of sloeg het het resultaat op voor de volgende meting.

Wanneer de signalen duidelijk waren, voltooide Codex een standaardreeks metingen met weinig tussenkomst van de onderzoeker. Het identificeerde de overgangsfrequenties van de qubit, kalibreerde de pulsen waarmee deze werd aangestuurd en uitgelezen, en bepaalde hoelang de qubit quantuminformatie vasthield.

GPT‑5.6 Sol had meer moeite wanneer de experimentele signalen zwak waren of veel ruis bevatten. In die gevallen duurde het langer om geschikte meetparameters te vinden en was soms begeleiding van een ervaren onderzoeker nodig. De resultaten wijzen erop dat huidige agents duidelijk omschreven experimentele workflows aankunnen, maar dat het interpreteren van ambigue fysieke resultaten een uitdaging blijft.

EQuS vervaardigt veel van deze standaardchips. Een onderzoeker kan meerdere dagen nodig hebben om elke chip te karakteriseren. De groep gebruikt agents inmiddels regelmatig voor routinematige metingen, zodat onderzoekers zich op ander werk kunnen richten.

"Ik kan agents 's nachts of terwijl ik in de cleanroom werk urenlang metingen laten uitvoeren", aldus Yankelevich. "Ik kan op mijn telefoon kijken wat ze hebben gedaan en ze bijsturen als er iets moet worden opgelost of als ik een andere richting wil verkennen."

Twee schermafbeeldingen van de frequentie-amplitudekalibratie van GPT-5.6 Sol tonen de resultaten en grafieken van Rabi- en Ramsey-kalibraties tegen een roze kleurverloop.

Een fragment uit de chain-of-thought van GPT‑5.6 Sol tijdens een kalibratierun. BRON: EQuS-groep

Samenwerken met onderzoekers

Het directe voordeel is dat Codex-agents onderzoekers kunnen helpen gestaag vooruitgang te boeken met experimentele analyses en metingen, zonder voortdurend toezicht. Ervaren onderzoekers kunnen de beste kalibratie-instellingen mogelijk nog steeds sneller bepalen dan de huidige AI-modellen. Maar doordat ze niet langer elke stap van het kalibratieproces hoeven te bewaken, houden onderzoekers tijd over voor ander werk.

De routinematige karakterisering van chips verloopt volgens een relatief duidelijk omschreven proces. Voor nieuwe experimenten geeft Yankelevich Codex-agents beperktere experimentele doelen en benut ze sterker hun vermogen om nieuwe code voor besturing, analyse en simulatie te schrijven, aan te passen en te testen. Door agents rechtstreeks met het lab te verbinden, kan de groep code aanpassen, die aan echte metingen toetsen en langere werktrajecten autonoom uitvoeren.

"Ik heb infrastructuur gebouwd waarmee agents verschillende onderdelen van mijn werk kunnen uitvoeren, zoals metingen, theorie en chipontwerp, en dat begint nu echt zijn vruchten af te werpen", aldus Yankelevich. "Ik kan meerdere agents tegelijk aan verschillende problemen laten werken. Zelf besteed ik het grootste deel van mijn tijd aan werk op een hoger niveau: resultaten interpreteren, experimenten bedenken, de volgende stappen voor de agents plannen, lezen en schrijven."

  • 2026
  • Codex

Auteur

OpenAI