GPT‑5.6 Sol ਕੁਆਂਟਮ ਕੰਪਿਊਟਿੰਗ ਪ੍ਰਯੋਗ ਚਲਾਉਣ ਵਿੱਚ ਕਿਵੇਂ ਮਦਦ ਕਰਦਾ ਹੈ

ਕੁਆਂਟਮ ਕੰਪਿਊਟਿੰਗ ਇੱਕ ਉੱਭਰ ਰਹੀ ਤਕਨਾਲੋਜੀ ਹੈ ਜੋ ਜਾਣਕਾਰੀ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ ਕੁਆਂਟਮ ਮਕੈਨਿਕਸ ਦੀਆਂ ਵਿਲੱਖਣ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ. ਇਹ ਇੱਕ ਦਿਨ ਗੁੰਝਲਦਾਰ ਸਮੱਗਰੀਆਂ ਅਤੇ ਅਣੂਆਂ ਦਾ ਬਿਹਤਰ ਸਿਮੂਲੇਸ਼ਨ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ. ਰਵਾਇਤੀ ਪ੍ਰੋਸੈਸਰਾਂ ਦੇ ਉਲਟ, ਕੁਆਂਟਮ ਪ੍ਰੋਸੈਸਰ ਕੁਆਂਟਮ ਬਿੱਟਾਂ ਜਾਂ ਕਿਊਬਿਟਾਂ ਨਾਲ ਬਣਾਏ ਜਾਂਦੇ ਹਨ. ਕਿਊਬਿਟ ਪ੍ਰਯੋਗਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਅਤੇ ਚਲਾਉਣ ਵਿੱਚ ਮਹੀਨੇ ਲੱਗ ਸਕਦੇ ਹਨ ਅਤੇ ਸੈਂਕੜਿਆਂ ਤੋਂ ਹਜ਼ਾਰਾਂ ਮੁੱਢਲੇ ਮਾਪਾਂ ਦੀ ਲੋੜ ਪੈ ਸਕਦੀ ਹੈ. ਇਹ ਅਜਿਹਾ ਕੰਮ ਹੈ ਜਿਸ ਵਿੱਚ AI ਮਦਦ ਕਰਨ ਲਈ ਤਿਆਰ ਹੈ.

MIT ਦੇ ਇੰਜੀਨੀਅਰਿੰਗ ਕੁਆਂਟਮ ਸਿਸਟਮਜ਼ ਸਮੂਹ (EQuS) ਦੀ ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥਣ ਬੀਅਤ੍ਰੀਜ਼ ਯੈਂਕੇਲੇਵਿਚ ਨੇ Codex ਨਾਲ ਜੋੜੇ GPT‑5.6 Sol ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਹ ਪੜਤਾਲ ਕੀਤੀ ਕਿ ਕੀ AI ਉਸਦੇ ਪ੍ਰਯੋਗਾਤਮਕ ਵਰਕਫਲੋ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾ ਸਕਦੀ ਹੈ. MIT ਦਾ ਇਹ ਸਮੂਹ ਸੁਪਰਕੰਡਕਟਿੰਗ ਕਿਊਬਿਟਾਂ ਦਾ ਅਧਿਐਨ ਕਰਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਡਾਇਲਿਊਸ਼ਨ ਰੈਫ੍ਰਿਜਰੇਟਰ ਕਿਹੇ ਜਾਣ ਵਾਲੇ ਵਿਸ਼ੇਸ਼ ਉਪਕਰਨਾਂ ਅੰਦਰ ਲਗਭਗ ਪਰਮ ਸਿਫ਼ਰ ਤਾਪਮਾਨ ਤੱਕ ਠੰਢਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਇਹ ਕਿਊਬਿਟ ਤੇਜ਼ੀ ਨਾਲ ਕਾਰਵਾਈਆਂ ਕਰਦੇ ਹਨ, ਮਾਈਕ੍ਰੋਵੇਵ ਸੰਕੇਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਹੁਤ ਸਟੀਕ ਢੰਗ ਨਾਲ ਕੰਟਰੋਲ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਜਾਣੀਆਂ-ਪਛਾਣੀਆਂ ਨਿਰਮਾਣ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਣਾਏ ਜਾ ਸਕਦੇ ਹਨ ਅਤੇ ਇੱਕ ਚਿਪ ਉੱਤੇ ਵਿਵਸਥਿਤ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ.

ਇੱਕ ਵਾਰ ਸੁਪਰਕੰਡਕਟਿੰਗ ਕਿਊਬਿਟ ਚਿਪ ਤਿਆਰ, ਪੈਕ ਅਤੇ ਠੰਢੀ ਕਰ ਲਈ ਜਾਣ ਤੋਂ ਬਾਅਦ, ਖੋਜਕਾਰ ਇਸ ਨਾਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਾਫਟਵੇਅਰ ਰਾਹੀਂ ਸੰਪਰਕ ਕਰਦੇ ਹਨ, ਜਿਸ ਕਰਕੇ ਯੈਂਕੇਲੇਵਿਚ ਦੇ ਪ੍ਰਯੋਗ AI ਏਜੰਟਾਂ ਲਈ ਇੱਕ ਸੁਭਾਵਿਕ ਪਰਖ-ਮੰਚ ਬਣਦੇ ਹਨ. Codex ਨੂੰ ਪ੍ਰਯੋਗਾਂ ਦਾ ਤਾਲਮੇਲ ਕਰਨ ਵਾਲੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਸਾਫਟਵੇਅਰ ਨਾਲ ਜੋੜਨ ਨਾਲ ਇਹ ਮਾਪ ਚਲਾ ਸਕਿਆ, ਨਤੀਜਿਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਿਆ ਅਤੇ ਅੱਗੇ ਕੀ ਅਜ਼ਮਾਉਣਾ ਹੈ, ਇਹ ਤੈਅ ਕਰ ਸਕਿਆ. ਯੈਂਕੇਲੇਵਿਚ ਨੇ ਪਾਇਆ ਕਿ GPT‑5.6 Sol ਅਕਸਰ ਰੁਟੀਨ ਮਾਪ ਵਰਕਫਲੋ ਖੁਦਮੁਖਤਿਆਰ ਢੰਗ ਨਾਲ ਪੂਰੇ ਕਰ ਸਕਦਾ ਸੀ, ਜਿਸ ਨਾਲ ਉਸਦਾ ਕਾਫ਼ੀ ਸਮਾਂ ਬਚਿਆ ਅਤੇ ਪ੍ਰਯੋਗਾਂ ਨੂੰ ਲਗਾਤਾਰ ਨਿਗਰਾਨੀ ਤੋਂ ਬਿਨਾਂ ਚਲਾਇਆ ਜਾ ਸਕਿਆ. ਇਸ ਨਾਲ ਉਸਨੂੰ ਨਤੀਜਿਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ, ਪ੍ਰਯੋਗਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਅਤੇ ਆਪਣੀ ਖੋਜ ਦੇ ਅਗਲੇ ਕਦਮਾਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਲਈ ਵਧੇਰੇ ਸਮਾਂ ਮਿਲਿਆ.

ਸੁਪਰਕੰਡਕਟਿੰਗ ਕਿਊਬਿਟਾਂ ਨੂੰ ਅਕਸਰ ਨਕਲੀ ਪਰਮਾਣੂ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਪਰਮਾਣੂਆਂ ਵਾਂਗ ਇਹ ਵੀ ਸਿਰਫ਼ ਖਾਸ ਊਰਜਾ ਪੱਧਰਾਂ ਉੱਤੇ ਰਹਿ ਸਕਦੇ ਹਨ. ਮਾਈਕ੍ਰੋਵੇਵ ਪਲਸ ਕਿਊਬਿਟਾਂ ਨੂੰ ਇਹਨਾਂਂ ਪੱਧਰਾਂ ਵਿਚਕਾਰ ਲੈ ਜਾਂਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਦੀ ਕੁਆਂਟਮ ਅਵਸਥਾ ਦੀ ਜਾਂਚ ਕਰਦੇ ਹਨ. ਖੋਜਕਾਰ ਚਿਪ ਨੂੰ ਭੇਜੇ ਜਾਣ ਵਾਲੇ ਪਲਸ ਕ੍ਰਮਾਂ ਨੂੰ ਡਿਜ਼ਾਈਨ ਅਤੇ ਕੈਲੀਬ੍ਰੇਟ ਕਰਦੇ ਹਨ, ਫਿਰ ਵਾਪਸ ਆਉਣ ਵਾਲੇ ਸੰਕੇਤਾਂ ਨੂੰ ਡਿਜੀਟਾਈਜ਼ ਕਰਕੇ ਉਹਨਾਂਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ. ਇਹਨਾਂ ਮਾਪਾਂ ਤੋਂ ਹਰ ਕਿਊਬਿਟ ਦੀਆਂ ਰੈਜ਼ੋਨੈਂਸ ਫ੍ਰੀਕੁਐਂਸੀਆਂ ਦਾ ਪਤਾ ਲੱਗਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਖੋਜਕਾਰ ਕਿਊਬਿਟ ਨੂੰ ਸਟੀਕ ਢੰਗ ਨਾਲ ਕੰਟਰੋਲ ਕਰ ਸਕਦੇ ਹਨ. ਇਹ ਵੀ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਕਿਊਬਿਟ ਕਿੰਨਾ ਚਿਰ ਕੁਆਂਟਮ ਜਾਣਕਾਰੀ ਸੰਭਾਲਦਾ ਹੈ ਅਤੇ ਗਣਨਾਵਾਂ ਲਈ ਕਿਹੜੀਆਂ ਸੈਟਿੰਗਾਂ ਲੋੜੀਂਦੀਆਂ ਹਨ.

ਕਿਊਬਿਟਾਂ ਦੀ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਲਈ ਇੱਕ-ਦੂਜੇ ਉੱਤੇ ਨਿਰਭਰ ਮਾਪਾਂ ਦੀ ਲੜੀ ਚਾਹੀਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਹਰ ਨਤੀਜਾ ਅਗਲੇ ਕਦਮ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ. ਕਿਊਬਿਟ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਕਦੇ-ਕਦੇ ਬਦਲ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਅਣਕਿਆਸਾ ਭੌਤਿਕ ਵਿਹਾਰ ਅਸੰਗਤ ਨਤੀਜਿਆਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ. ਤਜਰਬੇਕਾਰ ਖੋਜਕਾਰ ਇਹਨਾਂ ਤਬਦੀਲੀਆਂ ਨੂੰ ਪਛਾਣ ਕੇ ਉਨ੍ਹਾਂ ਮੁਤਾਬਕ ਢਲ ਸਕਦੇ ਹਨ. ਸਾਫਟਵੇਅਰ ਕੰਟਰੋਲ, ਦੁਹਰਾਏ ਜਾਂਦੇ ਮਾਪ ਅਤੇ ਹਾਲਾਤ ਅਨੁਸਾਰ ਫ਼ੈਸਲੇ ਲੈਣ ਦਾ ਇਹ ਸੁਮੇਲ ਕਿਊਬਿਟ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਨੂੰ AI ਏਜੰਟਾਂ ਲਈ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਰਤੋਂ ਦਾ ਮਾਮਲਾ ਵੀ ਬਣਾਉਂਦਾ ਹੈ.

ਯੈਂਕੇਲੇਵਿਚ ਨੇ ਇੱਕ ਅਣਕੈਲੀਬ੍ਰੇਟ ਕੀਤੇ ਛੇ-ਕਿਊਬਿਟ ਚਿਪ ਉੱਤੇ ਮਾਪ ਚਲਾਉਣ ਦੀ GPT‑5.6 Sol ਦੀ ਸਮਰੱਥਾ ਪਰਖੀ. ਇਹ ਉਸ ਮਿਆਰੀ ਕਿਸਮ ਦਾ ਚਿਪ ਸੀ ਜਿਸਨੂੰ EQuS ਆਪਣੀ ਨਿਰਮਾਣ ਪ੍ਰਕਿਰਿਆ ਦੇ ਮਾਪਦੰਡ ਲਈ ਨਿਯਮਿਤ ਤੌਰ ਉੱਤੇ ਵਰਤਦਾ ਹੈ. ਉਸਨੇ Codex ਨੂੰ ਮਾਪਾਂ ਨਾਲ ਸੰਬੰਧਿਤ ਸਕਿੱਲ ਦਿੱਤੇ, ਜੋ ਦੱਸਦੇ ਸਨ ਕਿ ਹਰ ਪ੍ਰਯੋਗ ਕਿਵੇਂ ਚਲਾਉਣਾ ਅਤੇ ਮੁਲਾਂਕਣ ਕਰਨਾ ਹੈ. ਇਹਨਾਂ ਸਕਿੱਲਾਂਂ ਅਤੇ ਚਿਪ ਦੇ ਡਿਜ਼ਾਈਨ ਟੀਚਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ GPT‑5.6 Sol ਨੇ ਮਾਪ ਮਾਪਦੰਡ ਚੁਣੇ, ਹਾਰਡਵੇਅਰ ਚਲਾਇਆ, ਪ੍ਰਾਪਤ ਡਾਟੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਅਤੇ ਫਿਰ ਮਾਪ ਨੂੰ ਸੁਧਾਰਿਆ ਜਾਂ ਨਤੀਜੇ ਨੂੰ ਅਗਲੇ ਮਾਪ ਵਿੱਚ ਵਰਤਣ ਲਈ ਸੰਭਾਲਿਆ.

ਜਦੋਂ ਸੰਕੇਤ ਸਪਸ਼ਟ ਸਨ, Codex ਨੇ ਖੋਜਕਾਰ ਦੇ ਬਹੁਤ ਘੱਟ ਦਖ਼ਲ ਨਾਲ ਮਾਪਾਂ ਦਾ ਇੱਕ ਮਿਆਰੀ ਕ੍ਰਮ ਪੂਰਾ ਕੀਤਾ. ਇਸਨੇ ਕਿਊਬਿਟ ਦੀਆਂ ਟ੍ਰਾਂਜ਼ਿਸ਼ਨ ਫ੍ਰੀਕੁਐਂਸੀਆਂ ਪਛਾਣੀਆਂ, ਉਸਨੂੰ ਕੰਟਰੋਲ ਕਰਨ ਅਤੇ ਪੜ੍ਹਨ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਪਲਸਾਂ ਨੂੰ ਕੈਲੀਬ੍ਰੇਟ ਕੀਤਾ ਅਤੇ ਨਿਰਧਾਰਤ ਕੀਤਾ ਕਿ ਕਿਊਬਿਟ ਨੇ ਕੁਆਂਟਮ ਜਾਣਕਾਰੀ ਕਿੰਨਾ ਚਿਰ ਸੰਭਾਲੀ.

ਜਦੋਂ ਪ੍ਰਯੋਗਾਤਮਕ ਸੰਕੇਤ ਕਮਜ਼ੋਰ ਜਾਂ ਸ਼ੋਰ-ਭਰੇ ਸਨ ਤਾਂ GPT‑5.6 Sol ਨੂੰ ਵਧੇਰੇ ਮੁਸ਼ਕਲ ਆਈ. ਅਜਿਹੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਢੁਕਵੇਂ ਮਾਪ ਮਾਪਦੰਡ ਲੱਭਣ ਵਿੱਚ ਵਧੇਰੇ ਸਮਾਂ ਲੱਗਿਆ ਅਤੇ ਕਦੇ-ਕਦੇ ਤਜਰਬੇਕਾਰ ਖੋਜਕਾਰ ਦੀ ਸੇਧ ਦੀ ਲੋੜ ਪਈ. ਨਤੀਜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਮੌਜੂਦਾ ਏਜੰਟ ਸਪਸ਼ਟ ਤੌਰ ਉੱਤੇ ਪਰਿਭਾਸ਼ਿਤ ਪ੍ਰਯੋਗਾਤਮਕ ਵਰਕਫਲੋ ਸੰਭਾਲ ਸਕਦੇ ਹਨ, ਪਰ ਅਸਪਸ਼ਟ ਭੌਤਿਕ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਹਾਲੇ ਵੀ ਇੱਕ ਚੁਣੌਤੀ ਹੈ.

EQuS ਅਜਿਹੇ ਬਹੁਤ ਸਾਰੇ ਮਿਆਰੀ ਚਿਪ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਹਰੇਕ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਜਾਂਚ ਵਿੱਚ ਇੱਕ ਖੋਜਕਾਰ ਨੂੰ ਕਈ ਦਿਨ ਲੱਗ ਸਕਦੇ ਹਨ. ਹੁਣ ਸਮੂਹ ਰੁਟੀਨ ਮਾਪਾਂ ਲਈ ਨਿਯਮਿਤ ਤੌਰ ਉੱਤੇ ਏਜੰਟਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਖੋਜਕਾਰ ਹੋਰ ਕੰਮ ਉੱਤੇ ਧਿਆਨ ਦੇ ਸਕਦੇ ਹਨ.

ਯੈਂਕੇਲੇਵਿਚ ਨੇ ਕਿਹਾ, “ਮੈਂ ਏਜੰਟਾਂ ਤੋਂ ਰਾਤ ਭਰ ਕਈ ਘੰਟਿਆਂ ਤੱਕ ਜਾਂ ਜਦੋਂ ਮੈਂ ਕਲੀਨਰੂਮ ਵਿੱਚ ਕੰਮ ਕਰ ਰਹੀ ਹੁੰਦੀ ਹਾਂ, ਮਾਪ ਚਲਵਾ ਸਕਦੀ ਹਾਂ.” “ਮੈਂ ਆਪਣੇ ਫ਼ੋਨ ਤੋਂ ਜਾਂਚ ਸਕਦੀ ਹਾਂ, ਦੇਖ ਸਕਦੀ ਹਾਂ ਕਿ ਉਹਨਾਂਂ ਨੇ ਕੀ ਕੀਤਾ ਹੈ ਅਤੇ ਜੇ ਕਿਸੇ ਚੀਜ਼ ਨੂੰ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੋਵੇ ਜਾਂ ਮੈਂ ਕੋਈ ਵੱਖਰੀ ਦਿਸ਼ਾ ਅਜ਼ਮਾਉਣਾ ਚਾਹਾਂ ਤਾਂ ਉਹਨਾਂਂ ਨੂੰ ਸੇਧ ਦੇ ਸਕਦੀ ਹਾਂ.”

ਤੁਰੰਤ ਲਾਭ ਇਹ ਹੈ ਕਿ Codex ਏਜੰਟ ਲਗਾਤਾਰ ਨਿਗਰਾਨੀ ਤੋਂ ਬਿਨਾਂ ਪ੍ਰਯੋਗਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਮਾਪਾਂ ਵਿੱਚ ਲਗਾਤਾਰ ਪ੍ਰਗਤੀ ਕਰਨ ਵਿੱਚ ਖੋਜਕਾਰਾਂ ਦੀ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ. ਤਜਰਬੇਕਾਰ ਖੋਜਕਾਰ ਹਾਲੇ ਵੀ ਮੌਜੂਦਾ AI ਮਾਡਲਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਸੈਟਿੰਗਾਂ ਦੀ ਤੇਜ਼ੀ ਨਾਲ ਪਛਾਣ ਕਰ ਸਕਦੇ ਹਨ. ਪਰ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆ ਦੇ ਹਰ ਪੜਾਅ ਦੀ ਨਿਗਰਾਨੀ ਉੱਤੇ ਪਹਿਲਾਂ ਲੱਗਦਾ ਸਮਾਂ ਬਚਾ ਕੇ ਖੋਜਕਾਰ ਹੋਰ ਕੰਮ ਉੱਤੇ ਧਿਆਨ ਦੇ ਸਕਦੇ ਹਨ.

ਚਿਪ ਦੀ ਰੁਟੀਨ ਵਿਸ਼ੇਸ਼ਤਾ ਜਾਂਚ ਇੱਕ ਮੁਕਾਬਲਤਨ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਵਰਕਫਲੋ ਅਨੁਸਾਰ ਹੁੰਦੀ ਹੈ. ਨਵੇਂ ਪ੍ਰਯੋਗਾਂ ਲਈ, ਯੈਂਕੇਲੇਵਿਚ Codex ਏਜੰਟਾਂ ਨੂੰ ਵਧੇਰੇ ਸੀਮਤ ਪ੍ਰਯੋਗਾਤਮਕ ਟੀਚੇ ਦਿੰਦੀ ਹੈ ਅਤੇ ਕੰਟਰੋਲ, ਵਿਸ਼ਲੇਸ਼ਣ ਤੇ ਸਿਮੂਲੇਸ਼ਨ ਲਈ ਨਵਾਂ ਕੋਡ ਲਿਖਣ, ਸੋਧਣ ਅਤੇ ਪਰਖਣ ਦੀ ਉਨ੍ਹਾਂ ਦੀ ਸਮਰੱਥਾ ਦਾ ਵੱਧ ਲਾਭ ਲੈਂਦੀ ਹੈ. ਏਜੰਟਾਂ ਨੂੰ ਸਿੱਧਾ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਨਾਲ ਜੋੜ ਕੇ ਸਮੂਹ ਕੋਡ ਸੋਧ ਸਕਦਾ ਹੈ, ਅਸਲ ਮਾਪਾਂ ਨਾਲ ਉਸਦੀ ਜਾਂਚ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਕੰਮ ਦੇ ਲੰਮੇ ਪੜਾਅ ਖੁਦਮੁਖਤਿਆਰ ਢੰਗ ਨਾਲ ਪੂਰੇ ਕਰ ਸਕਦਾ ਹੈ.

ਯੈਂਕੇਲੇਵਿਚ ਨੇ ਕਿਹਾ, “ਮੈਂ ਆਪਣੇ ਕੰਮ ਦੇ ਕਈ ਹਿੱਸਿਆਂ—ਮਾਪ, ਸਿਧਾਂਤ ਅਤੇ ਚਿਪ ਡਿਜ਼ਾਈਨ—ਵਿੱਚ ਏਜੰਟਾਂ ਦਾ ਮਾਰਗਦਰਸ਼ਨ ਕਰਨ ਲਈ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਬਣਾਇਆ ਹੈ ਅਤੇ ਹੁਣ ਇਸਦਾ ਸੱਚਮੁੱਚ ਲਾਭ ਮਿਲਣਾ ਸ਼ੁਰੂ ਹੋ ਗਿਆ ਹੈ.” “ਮੈਂ ਇੱਕੋ ਵੇਲੇ ਕਈ ਏਜੰਟਾਂ ਤੋਂ ਵੱਖ-ਵੱਖ ਸਮੱਸਿਆਵਾਂ ਉੱਤੇ ਕੰਮ ਕਰਵਾ ਸਕਦੀ ਹਾਂ ਅਤੇ ਆਪਣਾ ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ ਉੱਚ-ਪੱਧਰੀ ਕੰਮ—ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ, ਪ੍ਰਯੋਗਾਂ ਦੀ ਰੂਪਰੇਖਾ ਬਣਾਉਣ, ਏਜੰਟਾਂ ਦੇ ਅਗਲੇ ਕਦਮਾਂ ਦੀ ਯੋਜਨਾ, ਪੜ੍ਹਨ ਅਤੇ ਲਿਖਣ—ਉੱਤੇ ਲਾਉਂਦੀ ਹਾਂ.”