GPT‑5.6 Sol 如何助力开展量子计算实验

量子计算是一项新兴技术，它利用量子力学的独特性质处理信息。未来，它或许能够更好地模拟复杂材料和分子。与传统处理器不同，量子处理器由量子位（即量子比特）构成。准备和开展量子比特实验可能需要数月时间，并进行数百至数千次前期测量，而 AI 有望为这项工作提供帮助。

MIT 工程量子系统小组 (EQuS) 的研究生 Beatriz Yankelevich 将 GPT‑5.6 Sol 接入 Codex，用来探索 AI 能否简化她的实验工作流。MIT 的这个小组负责研究超导量子比特，这类量子比特需在名为“稀释制冷机”的专用设备中冷却至接近绝对零度。这些量子比特运算速度快，可通过微波信号实现精确控制，还能采用成熟的制造工艺集成在芯片上。

超导量子比特芯片完成制造、封装和冷却后，研究人员完全通过软件与其交互，因此 Yankelevich 的实验成为测试 AI 智能体的理想平台。将 Codex 接入用于协调实验的实验室软件后，Codex 便能开展测量、分析结果，并决定后续计划。Yankelevich 发现，GPT‑5.6 Sol 经常能够自主完成常规测量工作流，为她节省大量时间，也让实验无需持续监督即可运行。这样一来，她就能投入更多时间分析结果、设计实验并规划后续研究步骤。

超导量子比特常被称为“人造原子”，因为它们和原子一样，只能处于特定能级。微波脉冲可使量子比特在这些能级之间跃迁，并探测其量子态。研究人员设计并校准发送至芯片的脉冲序列，然后对返回的信号进行数字化处理和分析。这些测量工作可以揭示每个量子比特的共振频率，以便研究人员对其进行精确控制；还可以确定量子比特保留量子信息的时长，以及执行计算所需的设置。

校准量子比特需要进行一系列相互关联的测量，每项结果都会影响下一步操作。量子比特的特性偶尔会发生漂移，意外的物理行为也可能导致结果不一致。经验丰富的研究人员能够识别这些变化，并在变化发生时作出调整。软件控制、重复测量和自适应决策的结合，也使量子比特校准成为 AI 智能体领域颇具吸引力的用例。

Yankelevich 测试了 GPT‑5.6 Sol 在一块未经校准的六量子比特芯片上开展测量的能力。这是一种标准芯片，EQuS 经常用它来评估制造工艺。她为 Codex 提供了针对各项测量的技能，说明如何开展和评估每个实验。GPT‑5.6 Sol 利用这些技能和芯片的设计目标选择测量参数、操作硬件并分析所得数据，随后进一步优化测量方案，或保存结果供下一次测量使用。

信号清晰时，Codex 只需研究人员进行少量干预，便可完成标准测量序列。它确定了量子比特的跃迁频率，校准了用于控制和读出量子比特的脉冲，并测定了量子比特保留量子信息的时长。

当实验信号微弱或干扰项较多时，GPT‑5.6 Sol 遇到的困难更多。在这些情况下，它需要更长时间才能找到合适的测量参数，有时还需要经验丰富的研究人员提供指导。结果表明，当前的智能体能够处理定义清晰的实验工作流，但解读模棱两可的物理结果仍是一项挑战。

EQuS 制造了许多这类标准芯片，研究人员可能需要数天时间才能记录每块芯片的表征。该小组目前经常使用智能体处理常规测量，让研究人员得以专注于其他工作。

Yankelevich 表示：“我可以让智能体在夜间连续开展数小时的测量，也可以在我进入洁净室工作时让它们继续测量。我可以用手机查看进度，了解它们完成了哪些工作；如果有问题需要修正，或者我想探索不同的方向，也可以随时加以引导。”

眼下最直接的优势是，Codex 智能体无需持续监督，就能帮助研究人员稳步推进实验分析和测量工作。在确定最佳校准条件方面，经验丰富的研究人员或许仍然比当前的 AI 模型速度更快。但研究人员不再需要花时间监控校准过程的每一步，因此可以专注于其他工作。

常规芯片表征遵循一套相对明确的工作流。对于新型实验，Yankelevich 会为 Codex 智能体设定范围更窄的实验目标，同时充分发挥智能体编写、修改和测试用于控制、分析及模拟的新代码的能力。将智能体直接连接到实验室后，该小组便能修改代码、根据真实测量指标进行测试，并自主完成耗时更长的工作。

Yankelevich 表示：“我已经搭建了基础设施，引导智能体参与我工作的多个环节（包括测量、理论和芯片设计），如今这已切实带来回报。我可以让多个智能体同时处理不同问题，而我自己则将大部分时间投入到更高层次的工作中 — 解读结果、构思实验、规划智能体的后续行动，以及阅读和写作。”