Como o GPT‑5.6 Sol ajuda a realizar experiências de computação quântica

A computação quântica é uma tecnologia emergente que utiliza as propriedades únicas da mecânica quântica para processar informação. Um dia, poderá permitir simular melhor materiais e moléculas complexos. Ao contrário dos processadores convencionais, os processadores quânticos são construídos com bits quânticos, ou qubits. A preparação e execução de experiências com qubits pode demorar meses e exigir centenas ou milhares de medições preliminares — trabalho em que a IA poderá prestar apoio.

Beatriz Yankelevich, estudante de pós-graduação do Grupo de Engenharia de Sistemas Quânticos do MIT (EQuS), utilizou o GPT‑5.6 Sol através do Codex para explorar se a IA poderia agilizar o seu fluxo de trabalho experimental. O grupo do MIT estuda qubits supercondutores, arrefecidos até perto do zero absoluto no interior de dispositivos especializados chamados refrigeradores de diluição. Estes qubits executam operações rapidamente, são controlados com precisão através de sinais de micro-ondas e podem ser produzidos com técnicas de fabrico conhecidas e dispostos num chip.

Depois de um chip de qubits supercondutores ser fabricado, encapsulado e arrefecido, os investigadores interagem com ele exclusivamente através de software, tornando as experiências de Yankelevich um banco de ensaio natural para agentes de IA. A ligação do Codex ao software do laboratório que coordena as experiências permitiu-lhe realizar medições, analisar os resultados e decidir o que experimentar a seguir. Yankelevich constatou que o GPT‑5.6 Sol conseguia frequentemente concluir de forma autónoma fluxos de trabalho de medição rotineiros, poupando-lhe bastante tempo e permitindo que as experiências decorressem sem supervisão contínua. Assim, pôde dedicar mais tempo à análise de resultados, à conceção de experiências e ao planeamento das etapas seguintes da investigação.

Os qubits supercondutores são muitas vezes chamados átomos artificiais porque, tal como os átomos, só podem ocupar níveis de energia específicos. Os impulsos de micro-ondas deslocam os qubits entre estes níveis e sondam o seu estado quântico. Os investigadores concebem e calibram as sequências de impulsos enviadas para o chip e, depois, digitalizam e analisam os sinais recebidos. Estas medições revelam as frequências de ressonância de cada qubit, permitindo controlá-lo com precisão; durante quanto tempo retém informação quântica; e as definições necessárias para efetuar cálculos.

A calibração de qubits exige uma série de medições interdependentes, em que cada resultado determina o que acontece a seguir. As propriedades dos qubits podem ocasionalmente variar, e comportamentos físicos inesperados podem causar resultados inconsistentes. Os investigadores experientes conseguem reconhecer estas alterações e adaptar-se quando ocorrem. Esta combinação de controlo por software, medições repetidas e tomada de decisões adaptativa também torna a calibração de qubits um caso de utilização atrativo para agentes de IA.

Yankelevich testou a capacidade do GPT‑5.6 Sol para realizar medições num chip não calibrado de seis qubits, de um tipo padrão que o EQuS utiliza regularmente para avaliar o seu processo de fabrico. Forneceu ao Codex competências específicas de medição que explicavam como realizar e avaliar cada experiência. Com estas competências e os objetivos de conceção do chip, o GPT‑5.6 Sol escolheu os parâmetros de medição, operou o equipamento, analisou os dados resultantes e, depois, aperfeiçoou a medição ou guardou o resultado para utilização na medição seguinte.

Quando os sinais eram claros, o Codex concluía uma sequência padrão de medições com pouca intervenção da investigadora. Identificou as frequências de transição do qubit, calibrou os impulsos usados para o controlar e ler e determinou durante quanto tempo o qubit retinha informação quântica.

O GPT‑5.6 Sol teve mais dificuldade quando os sinais experimentais eram fracos ou ruidosos. Nesses casos, demorou mais tempo a encontrar parâmetros de medição adequados e, por vezes, precisou da orientação de um investigador experiente. Os resultados sugerem que os agentes atuais conseguem executar fluxos de trabalho experimentais claramente definidos, mas a interpretação de resultados físicos ambíguos continua a ser um desafio.

O EQuS fabrica muitos destes chips padrão, e um investigador pode demorar vários dias a caracterizar cada um deles. O grupo utiliza agora agentes regularmente para tratar das medições de rotina, permitindo aos investigadores concentrarem-se noutro trabalho.

«Posso deixar os agentes a realizar medições durante muitas horas, à noite ou enquanto trabalho na sala limpa», afirmou Yankelevich. «Posso acompanhar tudo pelo telemóvel, ver o que fizeram e orientá-los se algo precisar de ser corrigido ou se quiser explorar outra direção.»

A vantagem imediata é que os agentes Codex podem ajudar os investigadores a avançar de forma constante na análise experimental e nas medições sem supervisão contínua. Os investigadores experientes poderão ainda conseguir identificar as melhores definições de calibração mais depressa do que os atuais modelos de IA. Contudo, ao pouparem o tempo antes dedicado a acompanhar cada etapa do processo de calibração, os investigadores podem concentrar-se noutro trabalho.

A caracterização de rotina dos chips segue um fluxo de trabalho relativamente bem definido. Em experiências inovadoras, Yankelevich atribui aos agentes Codex objetivos experimentais mais específicos, tirando maior partido da sua capacidade de escrever, modificar e testar novo código de controlo, análise e simulação. A ligação direta dos agentes ao laboratório permite ao grupo rever o código, testá-lo com medições reais e realizar autonomamente períodos de trabalho mais longos.

«Criei uma infraestrutura para orientar os agentes em várias partes do meu trabalho — medição, teoria e conceção de chips — e agora começa realmente a dar frutos», afirmou Yankelevich. «Posso ter vários agentes a trabalhar simultaneamente em problemas diferentes e dedicar a maior parte do meu tempo a tarefas de nível superior: interpretar resultados, conceber experiências, planear os passos seguintes dos agentes, ler e escrever.»