GPT‑5.6 Sol kuantum bilişim deneylerini yürütmeye nasıl yardımcı oluyor?

Kuantum bilişim, bilgiyi işlemek için kuantum mekaniğinin benzersiz özelliklerinden yararlanan, gelişmekte olan bir teknolojidir. Bir gün karmaşık malzeme ve moleküllerin daha iyi simüle edilmesini sağlayabilir. Geleneksel işlemcilerden farklı olarak kuantum işlemciler, kuantum bitleriyle, yani kübitlerle oluşturulur. Kübit deneylerinin hazırlanması ve yürütülmesi aylar sürebilir, ayrıca yüzlerce, hatta binlerce ön ölçüm gerektirebilir. Yapay zekâ bu çalışmalara yardımcı olmaya hazır.

MIT Mühendislik Kuantum Sistemleri Grubu'nda (EQuS) lisansüstü öğrencisi olan Beatriz Yankelevich, yapay zekânın deneysel iş akışını kolaylaştırıp kolaylaştıramayacağını araştırmak için Codex'e bağlanan GPT‑5.6 Sol'u kullandı. MIT grubu, seyreltme buzdolabı adı verilen özel cihazlarda mutlak sıfıra yakın sıcaklıklara kadar soğutulan süper iletken kübitleri inceliyor. Bu kübitler işlemleri hızla gerçekleştirir, mikrodalga sinyalleriyle hassas biçimde kontrol edilir ve bilinen üretim teknikleri kullanılarak üretilip bir çip üzerine yerleştirilebilir.

Süper iletken bir kübit çipi üretilip muhafazaya alındıktan ve soğutulduktan sonra araştırmacılar çiple tamamen yazılım üzerinden etkileşim kurar. Bu da Yankelevich'in deneylerini yapay zekâ aracıları için doğal bir test ortamına dönüştürüyor. Codex'in deneyleri koordine eden laboratuvar yazılımına bağlanması; ölçümleri yürütmesine, sonuçları analiz etmesine ve sırada ne deneneceğine karar vermesine olanak tanıdı. Yankelevich, GPT‑5.6 Sol'un rutin ölçüm iş akışlarını çoğu zaman otonom olarak tamamlayabildiğini gördü. Böylece önemli ölçüde zaman kazandı ve deneyler sürekli gözetim olmadan yürütülebildi. Bu sayede sonuçları analiz etmeye, deneyler tasarlamaya ve araştırmasının sonraki adımlarını planlamaya daha fazla zaman ayırabildi.

Süper iletken kübitlere genellikle yapay atom denir; çünkü atomlar gibi yalnızca belirli enerji seviyelerinde bulunabilirler. Mikrodalga darbeleri, kübitleri bu seviyeler arasında hareket ettirir ve kuantum durumlarını ölçer. Araştırmacılar çipe gönderilen darbe dizilerini tasarlayıp kalibre eder, ardından geri dönen sinyalleri sayısallaştırıp analiz eder. Bu ölçümler; araştırmacıların kübiti hassas biçimde kontrol etmesini sağlayan rezonans frekanslarını, kübitin kuantum bilgisini ne kadar süre koruduğunu ve hesaplamaları gerçekleştirmek için gereken ayarları ortaya çıkarır.

Kübit kalibrasyonu, her sonucun bir sonraki adımı şekillendirdiği, birbirine bağlı bir dizi ölçüm gerektirir. Kübit özellikleri zaman zaman değişebilir, beklenmedik fiziksel davranışlar da tutarsız sonuçlara yol açabilir. Deneyimli araştırmacılar bu değişiklikleri fark edip ortaya çıktıklarında gerekli uyarlamaları yapabilir. Yazılım kontrolü, tekrarlanan ölçümler ve uyarlanabilir karar verme süreçlerinin bu birleşimi, kübit kalibrasyonunu yapay zekâ aracıları için cazip bir kullanım alanına da dönüştürüyor.

Yankelevich, GPT‑5.6 Sol'un EQuS'un üretim sürecini kıyaslamak için rutin olarak kullandığı standart türlerden biri olan, kalibre edilmemiş altı kübitli bir çipte ölçüm yapma becerisini test etti. Codex'e, her deneyin nasıl yürütüleceğini ve değerlendirileceğini açıklayan, ölçüme özel beceriler sağladı. GPT‑5.6 Sol, bu becerileri ve çipin tasarım hedeflerini kullanarak ölçüm parametrelerini seçti, donanımı çalıştırdı ve elde edilen verileri analiz etti. Ardından ölçümü iyileştirdi veya sonucu bir sonraki ölçümde kullanılmak üzere kaydetti.

Sinyaller net olduğunda Codex, standart bir ölçüm dizisini araştırmacının çok az müdahalesiyle tamamladı. Kübitin geçiş frekanslarını belirledi, kübiti kontrol etmek ve okumak için kullanılan darbeleri kalibre etti ve kübitin kuantum bilgisini ne kadar süre koruduğunu saptadı.

Deney sinyalleri zayıf veya gürültülü olduğunda GPT‑5.6 Sol daha fazla zorlandı. Bu durumlarda uygun ölçüm parametrelerini bulması daha uzun sürdü ve bazen deneyimli bir araştırmacının yönlendirmesine ihtiyaç duydu. Sonuçlar, mevcut aracıların açıkça tanımlanmış deneysel iş akışlarını yürütebildiğini, ancak belirsiz fiziksel sonuçları yorumlamanın hâlâ güç olduğunu gösteriyor.

EQuS bu standart çiplerden çok sayıda üretiyor ve her birinin karakterizasyonu bir araştırmacının birkaç gününü alabiliyor. Grup artık rutin ölçümleri gerçekleştirmek için düzenli olarak aracılardan yararlanıyor; böylece araştırmacılar diğer işlere odaklanabiliyor.

Yankelevich, “Gece boyunca veya ben temiz odada çalışırken aracıların saatlerce ölçüm yapmasını sağlayabiliyorum,” dedi. “Telefonumdan bağlanıp neler yaptıklarına bakabiliyor; düzeltilmesi gereken bir şey varsa veya farklı bir yönü araştırmak istersem onlara yol gösterebiliyorum.”

En yakın vadeli avantaj, Codex aracılarının sürekli gözetim gerektirmeden deneysel analiz ve ölçümlerde düzenli ilerleme kaydetmelerine yardımcı olabilmesidir. Deneyimli araştırmacılar, en iyi kalibrasyon ayarlarını mevcut yapay zekâ modellerinden daha hızlı belirleyebilir. Ancak araştırmacılar, daha önce kalibrasyon sürecinin her adımını izlemeye ayırdıkları zamandan tasarruf ederek başka işlere odaklanabilir.

Rutin çip karakterizasyonu, nispeten iyi tanımlanmış bir iş akışını izler. Yankelevich, yeni deneylerde Codex aracılarına daha dar kapsamlı deneysel hedefler verirken bu araçların kontrol, analiz ve simülasyon için yeni kod yazma, değiştirme ve test etme becerilerinden daha fazla yararlanıyor. Aracıların doğrudan laboratuvara bağlanması, grubun kodu gözden geçirmesine, gerçek ölçümlerle test etmesine ve daha uzun çalışma aşamalarını otonom olarak tamamlamasına olanak tanıyor.

Yankelevich, “Aracılara ölçüm, teori ve çip tasarımı gibi çalışmalarımın çeşitli bölümlerinde rehberlik edecek bir altyapı kurdum ve artık bunun faydasını gerçekten görmeye başlıyorum,” dedi. “Birden fazla aracının aynı anda farklı sorunlar üzerinde çalışmasını sağlayabiliyorum. Zamanımın çoğunu da sonuçları yorumlama, deneyler tasarlama, aracıların sonraki adımlarını planlama, okuma ve yazma gibi daha üst düzey işlere ayırıyorum.”