Kako GPT‑5.6 Sol pomaga izvajati poskuse kvantnega računalništva

Kvantno računalništvo je tehnologija v razvoju, ki za obdelavo informacij uporablja edinstvene lastnosti kvantne mehanike. Nekega dne bi lahko omogočilo boljše simulacije kompleksnih materialov in molekul. Kvantni procesorji so za razliko od običajnih zgrajeni iz kvantnih bitov oziroma kubitov. Priprava in izvajanje poskusov s kubiti lahko trajata več mesecev ter zahtevata od več sto do več tisoč predhodnih meritev – pri tem pa lahko pomaga umetna inteligenca.

Beatriz Yankelevich, podiplomska študentka v skupini za inženirske kvantne sisteme (EQuS) na MIT, je z GPT‑5.6 Sol prek Codex raziskala, ali bi lahko umetna inteligenca poenostavila njen eksperimentalni potek dela. Skupina na MIT preučuje superprevodne kubite, ki jih v specializiranih napravah, imenovanih redčilni hladilniki, ohlajajo skoraj do absolutne ničle. Ti kubiti hitro izvajajo operacije, natančno jih je mogoče krmiliti z mikrovalovnimi signali, izdelati pa jih je mogoče z uveljavljenimi proizvodnimi postopki in razporediti na čipu.

Ko je superprevodni čip s kubiti izdelan, ohišen in ohlajen, raziskovalci z njim komunicirajo izključno prek programske opreme, zato so poskusi Yankelevich naravno preizkusno okolje za agente umetne inteligence. Ko so Codex povezali z laboratorijsko programsko opremo za usklajevanje poskusov, je lahko izvajal meritve, analiziral rezultate in odločal o naslednjih korakih. Yankelevich je ugotovila, da lahko GPT‑5.6 Sol rutinske merilne postopke pogosto opravi samostojno, s čimer ji prihrani veliko časa in omogoči izvajanje poskusov brez nenehnega nadzora. Tako je lahko več časa namenila analizi rezultatov, načrtovanju poskusov in pripravi naslednjih korakov raziskave.

Superprevodne kubite pogosto imenujemo umetni atomi, saj lahko tako kot atomi zavzamejo le določene energijske ravni. Mikrovalovni impulzi kubite premikajo med temi ravnmi in merijo njihovo kvantno stanje. Raziskovalci zasnujejo in kalibrirajo zaporedja impulzov, poslanih čipu, nato pa povratne signale digitalizirajo in analizirajo. Te meritve razkrijejo resonančne frekvence posameznega kubita, kar omogoča njegovo natančno krmiljenje, čas ohranjanja kvantnih informacij in nastavitve, potrebne za izvajanje izračunov.

Kalibracija kubitov zahteva niz medsebojno odvisnih meritev, pri katerih vsak rezultat določa naslednji korak. Lastnosti kubitov se lahko občasno spremenijo, nepričakovano fizikalno vedenje pa lahko povzroči neskladne rezultate. Izkušeni raziskovalci znajo te spremembe prepoznati in se jim prilagoditi. Zaradi kombinacije programskega krmiljenja, ponavljajočih se meritev in prilagodljivega odločanja je kalibracija kubitov tudi privlačen primer uporabe agentov umetne inteligence.

Yankelevich je preizkusila zmožnost GPT‑5.6 Sol za izvajanje meritev na nekalibriranem čipu s šestimi kubiti, enem od standardnih tipov, ki jih EQuS redno uporablja za primerjalno vrednotenje svojega postopka izdelave. Za Codex je pripravila veščine za posamezne meritve z navodili za izvedbo in vrednotenje vsakega poskusa. GPT‑5.6 Sol je na podlagi teh veščin in ciljnih lastnosti čipa izbral merilne parametre, upravljal strojno opremo, analiziral pridobljene podatke ter nato meritev izboljšal ali rezultat shranil za naslednjo meritev.

Ko so bili signali jasni, je Codex standardno zaporedje meritev izvedel skoraj brez posredovanja raziskovalke. Določil je prehodne frekvence kubita, kalibriral impulze za njegovo krmiljenje in odčitavanje ter ugotovil, kako dolgo je kubit ohranjal kvantne informacije.

GPT‑5.6 Sol je imel več težav, kadar so bili eksperimentalni signali šibki ali obremenjeni s šumom. V takih primerih je za iskanje ustreznih merilnih parametrov potreboval več časa, včasih pa tudi pomoč izkušenega raziskovalca. Rezultati kažejo, da sedanji agenti zmorejo izvajati jasno opredeljene eksperimentalne postopke, razlaga dvoumnih fizikalnih rezultatov pa ostaja izziv.

EQuS izdeluje veliko takih standardnih čipov, za karakterizacijo vsakega pa lahko raziskovalec potrebuje več dni. Skupina zdaj agente redno uporablja za rutinske meritve, zato se lahko raziskovalci posvetijo drugemu delu.

„Agenti lahko meritve izvajajo več ur ponoči ali medtem, ko delam v čisti sobi,“ je povedala Yankelevich. „S telefonom lahko preverim njihov napredek in jih usmerim, če je treba kaj popraviti ali če želim raziskati drugačno smer.“

Neposredna prednost je, da lahko agenti Codex raziskovalcem pomagajo stalno napredovati pri analizi poskusov in meritvah brez nenehnega nadzora. Izkušeni raziskovalci lahko najboljše nastavitve kalibracije še vedno določijo hitreje od sedanjih modelov umetne inteligence. Ker pa jim ni več treba spremljati vsakega koraka kalibracije, lahko prihranjen čas namenijo drugemu delu.

Rutinska karakterizacija čipov poteka po razmeroma jasno opredeljenem postopku. Pri novih poskusih Yankelevich agentom Codex zastavi ožje eksperimentalne cilje, pri tem pa se bolj opira na njihovo zmožnost pisanja, spreminjanja in preizkušanja nove kode za krmiljenje, analizo in simulacijo. Neposredna povezava agentov z laboratorijem skupini omogoča, da spreminja kodo, jo preizkuša z dejanskimi meritvami in samostojno opravi daljše sklope dela.

„Vzpostavila sem infrastrukturo, ki agente vodi skozi več delov mojega dela – meritve, teorijo in načrtovanje čipov – in zdaj se to resnično začenja obrestovati,“ je povedala Yankelevich. „Več agentov lahko hkrati obravnava različne težave, sama pa večino časa namenjam zahtevnejšemu delu – razlagi rezultatov, snovanju poskusov, načrtovanju naslednjih korakov za agente ter branju in pisanju.“