Jak GPT‑5.6 Sol pomaga prowadzić eksperymenty kwantowe

Obliczenia kwantowe to rozwijająca się technologia, która wykorzystuje wyjątkowe właściwości mechaniki kwantowej do przetwarzania informacji. W przyszłości może umożliwić dokładniejsze symulowanie złożonych materiałów i cząsteczek. W przeciwieństwie do konwencjonalnych procesorów procesory kwantowe składają się z bitów kwantowych, czyli kubitów. Przygotowanie i przeprowadzenie eksperymentów z kubitami może trwać miesiącami i wymagać od setek do tysięcy pomiarów wstępnych — w tej pracy może pomóc AI.

Beatriz Yankelevich, doktorantka w zespole Engineering Quantum Systems Group (EQuS) na MIT, wykorzystała GPT‑5.6 Sol połączony z Codex, aby sprawdzić, czy AI może usprawnić jej pracę eksperymentalną. Zespół MIT bada nadprzewodzące kubity, które są schładzane niemal do zera bezwzględnego w specjalistycznych urządzeniach zwanych chłodziarkami rozcieńczalnikowymi. Kubity te szybko wykonują operacje, są precyzyjnie sterowane sygnałami mikrofalowymi, a ponadto można je wytwarzać znanymi technikami produkcyjnymi i rozmieszczać w układzie scalonym.

Po wytworzeniu, umieszczeniu w obudowie i schłodzeniu układu z nadprzewodzącymi kubitami badacze komunikują się z nim wyłącznie za pośrednictwem oprogramowania. Dzięki temu eksperymenty Yankelevich są naturalnym poligonem doświadczalnym dla agentów AI. Połączenie Codex z oprogramowaniem laboratoryjnym koordynującym eksperymenty pozwoliło wykonywać pomiary, analizować wyniki i decydować, czego spróbować w następnej kolejności. Yankelevich ustaliła, że GPT‑5.6 Sol często potrafi autonomicznie wykonywać rutynowe procesy pomiarowe. Pozwoliło jej to oszczędzić dużo czasu i prowadzić eksperymenty bez stałego nadzoru. Dzięki temu mogła poświęcać więcej czasu na analizę wyników, projektowanie eksperymentów i planowanie kolejnych etapów badań.

Nadprzewodzące kubity często nazywa się sztucznymi atomami, ponieważ podobnie jak atomy mogą zajmować tylko określone poziomy energii. Impulsy mikrofalowe przenoszą kubity między tymi poziomami i pozwalają badać ich stan kwantowy. Badacze projektują i kalibrują sekwencje impulsów wysyłanych do układu, a następnie przekształcają powracające sygnały na postać cyfrową i je analizują. Pomiary ujawniają częstotliwości rezonansowe każdego kubitu, co pozwala precyzyjnie nim sterować. Wskazują również, jak długo kubit zachowuje informację kwantową oraz jakie ustawienia są potrzebne do wykonywania obliczeń.

Kalibracja kubitów wymaga serii współzależnych pomiarów, a każdy wynik wpływa na dalsze działania. Właściwości kubitów mogą czasem ulegać zmianom, a nieoczekiwane zjawiska fizyczne mogą prowadzić do niespójnych wyników. Doświadczeni badacze potrafią rozpoznać takie zmiany i odpowiednio na nie reagować. Połączenie sterowania programowego, powtarzanych pomiarów i elastycznego podejmowania decyzji sprawia również, że kalibracja kubitów jest atrakcyjnym zastosowaniem dla agentów AI.

Yankelevich przetestowała zdolność GPT‑5.6 Sol do wykonywania pomiarów na nieskalibrowanym układzie z sześcioma kubitami. Był to jeden ze standardowych układów, których EQuS regularnie używa do oceny swojego procesu produkcyjnego. Przekazała Codex instrukcje dotyczące poszczególnych pomiarów, które wyjaśniały, jak przeprowadzić i ocenić każdy eksperyment. Korzystając z tych instrukcji i założeń projektowych układu, GPT‑5.6 Sol dobierał parametry pomiarów, sterował aparaturą i analizował uzyskane dane, a następnie udoskonalał pomiar albo zapisywał wynik do wykorzystania w kolejnym pomiarze.

Gdy sygnały były wyraźne, Codex wykonywał standardową sekwencję pomiarów przy niewielkim udziale badaczki. Określał częstotliwości przejść kubitu, kalibrował impulsy używane do sterowania nim i jego odczytu oraz ustalał, jak długo kubit zachowywał informację kwantową.

GPT‑5.6 Sol radził sobie gorzej, gdy sygnały eksperymentalne były słabe lub zaszumione. W takich przypadkach znalezienie odpowiednich parametrów pomiaru zajmowało modelowi więcej czasu, a niekiedy potrzebował on wskazówek doświadczonego badacza. Wyniki wskazują, że obecni agenty potrafią realizować jasno określone procesy eksperymentalne, ale interpretacja niejednoznacznych wyników fizycznych pozostaje wyzwaniem.

EQuS wytwarza wiele takich standardowych układów, a scharakteryzowanie każdego z nich może zająć badaczowi kilka dni. Zespół regularnie korzysta teraz z agentów do wykonywania rutynowych pomiarów, dzięki czemu badacze mogą skupić się na innych zadaniach.

„Agenty mogą wykonywać pomiary przez wiele godzin w nocy albo wtedy, gdy pracuję w pomieszczeniu czystym” — powiedziała Yankelevich. „Mogę sprawdzić wszystko na telefonie, zobaczyć, co zrobił, i pokierować dalszymi działaniami, jeśli jakiś aspekt wymaga poprawy lub jeśli chcę zbadać inny kierunek”.

Bezpośrednią korzyścią jest to, że agenty Codex mogą pomagać badaczom systematycznie prowadzić analizy eksperymentalne i pomiary bez stałego nadzoru. Doświadczeni badacze mogą nadal szybciej niż obecne modele AI określać najlepsze ustawienia kalibracji. Oszczędzając jednak czas poświęcany wcześniej na monitorowanie każdego etapu kalibracji, mogą skupić się na innych zadaniach.

Rutynowa charakterystyka układów przebiega według stosunkowo dobrze określonego procesu. W nowatorskich eksperymentach Yankelevich wyznacza agentom Codex węższe cele eksperymentalne, a w większym stopniu wykorzystuje ich zdolność do pisania, modyfikowania i testowania nowego kodu służącego do sterowania, analizy i symulacji. Bezpośrednie połączenie agentów z laboratorium pozwala zespołowi poprawiać kod, testować go na rzeczywistych pomiarach i autonomicznie wykonywać dłuższe zadania.

„Zbudowałam infrastrukturę, która prowadzi agenty przez kilka obszarów mojej pracy — pomiary, teorię i projektowanie układów — i teraz naprawdę zaczyna to przynosić efekty” — powiedziała Yankelevich. „Mogę zlecić wielu agentom jednoczesną pracę nad różnymi problemami, a większość czasu poświęcam bardziej wymagającym zadaniom: interpretacji wyników, opracowywaniu eksperymentów, planowaniu kolejnych kroków agentów, czytaniu i pisaniu”.